Для решения проблемы низкой устойчивости визуального распознавания мест из-за изменений окружающей среды, таких как погода, сезоны и освещение, предложен многомерный механизм внимания для повышения устойчивости дескрипторов признаков визуального распознавания мест — параллельный полноразмерный динамический механизм внимания (POD-Attention). Для динамического и тонкого исследования свёрточного ядра во всех измерениях и усиления способности сети извлекать и обучать неизменные признаки, такие как здания, применяется полноразмерный динамический свёрточный блок, добавляющий дополнительное внимание по всем измерениям ядра (входные и выходные каналы, свёрточное пространство и число ядер). Параллельное объединение 1×1 свёртки, модуля Skip Squeeze-and-Excitation (SSE) и полноразмерного динамического свёрточного блока эффективно увеличивает скорость извлечения признаков, расширяет рецептивное поле сети визуального распознавания мест и улучшает точность распознавания. Эксперименты на открытых наборах данных показали, что метод визуального распознавания на основе агрегации признаков VGG16 и Patch-NetVLAD, улучшенный механизмом POD, повысил показатель Recall@1 на 9,7% и 1,8% на наборах данных Nordland и Mapillary Street-Level Sequences соответственно, что подтверждает эффективность механизма POD и эффективность предложенного метода.

визуальное распознавание мест;устойчивость к окружающей среде;глубокое обучение;параллельный полноразмерный динамический механизм внимания;параллельная стратегия