我校智能信息处理团队论文被国际权威期刊TCSVT录用

近日，我校智能信息处理团队以杭州电子科技大学为第一单位发表的论文《SDPL: Shifting-Dense Partition Learning for UAV-view Geo-localization》被国际权威期刊IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）录用。该论文的第一作者为我校2022级博士研究生陈泉，指导老师为我校颜成钢教授和王廷宇老师。

交叉视角地理定位旨在匹配从不同平台（如无人机和卫星）获取的具有相同目标的图像。现有方案设计特征分区策略来挖掘细粒度表征，兼顾地理目标与环境信息。然而，受限于特征分区的两个弊端，全局信息丢失和连续特征割裂，上述方案对目标尺度变化和位置偏移十分敏感。针对这一问题，我们提出一种密集分区策略，即通过对基础分区的密集组合来渐进式地扩张分区边界，从而挖掘对目标尺度和位置鲁棒的细粒度表征。此外，我们观察到输入图像的空间位置发生偏移后，模型的激活区域会沿着相似的方向移动，这一现象启发了我们设计偏移融合模块，即通过调整分区中心来增强算法的抗偏移能力。首先，我们设置多个分割点来生成多组分区，其中具有不同分割点的分区具有各向异性的抗偏移能力。然后，我们采用权重估计模块自适应融合分区，以减少模型优化和推理的成本。在多个公共数据集上的实验结果表明，我们的方法优于现有方法，并展现出优越的抗偏移能力。

标签：目标  特征  位置