Para abordar el problema de la baja robustez en el reconocimiento visual de lugares debido a cambios ambientales como el clima, las estaciones y la iluminación, se propone un mecanismo de atención multidimensional para mejorar la robustez del descriptor de características del reconocimiento visual de lugares: el mecanismo de atención dinámica paralela en todas las dimensiones (POD-Attention). Para lograr una exploración dinámica precisa del núcleo convolucional en todas las dimensiones y fortalecer la capacidad de la red de extracción de características para extraer y aprender características invariantes como edificios, se utiliza un bloque de convolución dinámica en todas las dimensiones que añade atención complementaria en todas las dimensiones del núcleo (canales de entrada y salida, espacio convolucional y número de núcleos). La fusión paralela de la convolución 1×1, el módulo Skip Squeeze-and-Excitation (SSE) y el bloque de convolución dinámica en todas las dimensiones no solo mejora eficazmente la velocidad de extracción de características, sino que también amplía el campo receptivo de la red de reconocimiento visual de lugares, mejorando aún más la precisión del reconocimiento de lugares. Los experimentos realizados en conjuntos de datos públicos muestran que el método de reconocimiento visual de lugares basado en la agregación de características VGG16 y Patch-NetVLAD, mejorado con el mecanismo de atención POD, incrementó el indicador Recall@1 en un 9,7 % y un 1,8 % en los conjuntos de datos Nordland y Mapillary Street-Level Sequences, respectivamente, demostrando plenamente el efecto de mejora del rendimiento de la red del mecanismo de atención POD, así como la efectividad del método de reconocimiento visual de lugares basado en dicho mecanismo.

reconocimiento visual de lugares;robustez ambiental;aprendizaje profundo;mecanismo de atención dinámica paralela en todas las dimensiones;estrategia paralela