场景识别是在一直以来都是计算机视觉领域的一个重要研究方向,因为场景识别拥有很高的应用价值,在车载辅助导航、地理信息定位和视频图片理解方面都需要场景识别算法作为支撑。随着汽车自动驾驶系统的兴起,场景识别在自动驾驶系统中更是起到了不可或缺的作用。随着深度学习在计算机视觉领域的崛起,基于深度学习的场景识别也层出不穷,本文选取了NetVLAD方法作为研究基础。本文从以下三个方面展开对基于NetVLAD的场景识别方法的研究。第一,针对场景图片中存在的许多视觉混淆元素,例如车辆,树木等次要视觉信息,提出了基于注意力机制的NetVLAD网络,通过注意力机制关注重点区域提升场景识别精度,针对场景识别任务要求以及NetVLAD的特点,提出了一种融合多尺度特征的注意力模块,加入了对于尺度信息和特征信息的选择,分别在谷歌街景数据集和主流场景识别数据集上进行实验,并通过对比试验论证了基于注意力机制的NetVLAD算法的有效性,探究了注意力模块与NetVLAD的不同组合方式对网络的影响,证明了多尺度注意力模块对于网络性能的提升,细致分析了场景识别的结果,并可视化不同NetVLAD网络模型的注意力区域,增强了网络的可解释性。最后证明了基于注意力机制的NetVLAD模型在场景识别任务上具有一定的通用性。第二,本文针对谷歌街数据集提出一种弱监督训练方法,谷歌街景数据集中的GPS坐标是一种弱标签,由于弱标签的语义信息不足以完全作为判断场景相似度的依据,需要补充先验信息以获得较为准确的标签,所以本文采用传统场景识别算法结合深度特征提供先验信息,增加了正样本的多样性,实验证明优于只使用深度特征的方法。第三.本文针对传统的三元组损失函数进行改进,增加了相似样本对距离的约束项。传统的三元组损失只关注正负样本之间的距离,而忽视了正样本对之间的距离,实验证明使用改进的三元组损失函数可以加快网络收敛速度并提高场景识别精度。