基于精简卷积神经网络的快速闭环检测方法
来源：计算机工程杂志2018年第6期北京时间：
作者：何元烈,陈佳腾,曾碧
单位：广东工业大学 计算机学院,广州 510006
摘要：基于深度学习的闭环检测方法在复杂光照下能取得较好的检测效果,但存在提取场景特征维度高、难以满足闭环检测实时性的问题。为此,基于精简深度卷积神经网络,提出一种闭环检测方法。结合级联修正线性单元、批规范化和深度残差模块完成网络模型的设计,并利用大型场景识别的数据集(Places365-Standard)完成网络模型的训练,用训练好的网络模型提取场景特征,通过计算场景特征的相似性得到闭环区域。测试结果表明,与基于位置卷积神经网络与自编码的闭环检测方法相比,该方法在保证较高准确率的同时提高了检测速度。
关键词：闭环检测,视觉同步定位与地图构建,卷积神经网络,深度学习,场景识别,特征提取
基金资助：广东省科技计划重大专项项目(2016B010108004);东莞市产学研合作项目(2015509109107)。
