关键词：卷积神经网络 词袋模型 特征描述 位置识别 

摘要：针对基于SIFT、ORB等传统手工特征无法满足变化环境下的位置识别要求,提出了一种基于深度卷积神经网络(CNN)与词袋模型(BoW)的位置识别方法(BCF)。首先,对数据集中图像进行CNN特征提取,通过K均值聚类构造特征词典并对CNN特征进行编码,生成BCF特征。同时建立局部CNN特征到特征词汇的特征映射图。查询时,首先通过查询图像的全局BCF特征在数据库中进行检索返回初步排名结果;然后对查询图像和候选图像提取一定数量的局部区域,通过局部区域匹配对候选集进行重排名。实验结果表明,该方法无须针对特定任务进行CNN网络训练,通用性强,识别性能优于传统手工特征,并对视点、光照、动态环境等具有更好的鲁棒性。

计算机与数字工程杂志要求:

{1}注释主要包括释义性注释和引文注释。释义性注释是对文章正文中某一特定内容的进一步解释或补充说明；引文注释包括各种引用文献的原文摘录，要详细注明节略原文。

{2}请勿一稿多投，本刊实行双向匿名审稿制，稿件三个月后未被采用，作者可自行处理。

{3}请勿一稿两投；请遵循学术规范，如出现剽窃，文责自负。

{4}引言切忌与摘要雷同，也不是摘要的注释；应与结语呼应，引言中提出的问题，结语中应有回答，但不能雷同。

{5}关键词：一般每篇论文标引2～5个关键词。请尽量使用美国国立医学图书馆编辑的最新版IndexMedicus中医学主题词表(MesH)内所列的词。必要时，可采用习用的自由词并排列于最后。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社