Large scale dataset for visual geo-localization / visual place recognition. It provides images from the city of San Francisco, labeled with GPS coordinates and heading.

The paper presents a new dataset called San Francisco eXtra Large (SF-XL, go here to download it), and a highly scalable training method (called CosPlace), which allows to reach SOTA results with compact descriptors.

一个新的大规模密集数据集，称为San Francisco eXtra Large (SF-XL)，它比目前可用的数据集大约大30倍。 该数据集包括了群体来源(即多域)查询，这是一个具有挑战性的问题。

稠密大尺度数据集SF-XL，大约是当前存在数据集规模的30倍，并且包括Crowd-sourced(i.e., multi-domain) 提出一个CosPlace方法，利用图像分类任务的方法训练模型，提取有区分性的描述子，该方法相当简单，不需要挖局负例，就可以从大量数据中完成有效的学习

2024年5月26日 · Rethinking Visual Geo-localization for Large-Scale Applications 是一个创新性的开源项目，旨在解决大规模场景下的高效和准确的视觉定位问题。 这个项目由CVPR 2022论文提出，并伴随着一项名为San Francisco eXtra Large（SF-XL）的大型数据集以及一种名为CosPlace的新训练方法。 该项目的核心是其构建的大规模数据集SF-XL，覆盖了旧金山地区广阔的地理区域，总大小约1TB，为研究提供了前所未有的真实世界复杂性。 此外，CosPlace训练 …

Stay informed on the latest trending ML papers with code, research developments, libraries, methods, and datasets. Some tasks are inferred based on the benchmarks list. The benchmarks section lists all benchmarks using a given dataset or any of its variants.

The paper presents a new dataset called San Francisco eXtra Large (SF-XL, go here to download it), and a highly scalable training method (called CosPlace), which allows to reach SOTA results with compact descriptors.

2022年5月17日 · 稠密大尺度数据集SF-XL，大约是当前存在数据集规模的30倍，并且包括Crowd-sourced(i.e., multi-domain) 提出一个CosPlace方法，利用图像分类任务的方法训练模型，提取有区分性的描述子，该方法相当简单，不需要挖局负例，就可以从大量数据中完成有效的学习

To investigate how existing techniques would perform on a real-world city-wide VG application, we build San Francisco eXtra Large, a new dataset covering a whole city and providing a wide range of challenging cases, with a size 30x bigger than the …

这是CVPR 2022论文《大规模应用中视觉地理定位的再思考》的官方pyTorch实现。该论文介绍了名为“旧金山超大”（SF-XL）的新数据集，以及一种高度可扩展的训练方法（称为CosPlace），它使得使用紧凑型描述符可以达到SOTA结果。 [CVPR OpenAccess]