基于OCP理论的大规模视觉定位优化方法

本发明公开了一种基于OCP理论的大规模视觉定位优化方法，涉及深度学习技术领域。该方法包括：定义视觉定位模型的目标函数；初始化模型参数、动量向量以及相关的超参数；进行迭代优化训练，在每次迭代中，计算小批量随机梯度，利用梯度的逐元素平方近似Hessian矩阵的对角线元素，对其进行指数移动平均和偏差校正，施行权重衰减，最后使用基于OCP理论的优化方法计算参数更新量并更新模型；迭代结束后输出验证集上性能最佳的模型。本发明将OCP理论与近似二阶信息相结合，提出了一种新的大规模视觉定位方法，在保持线性复杂度的前提下，有效提升了视觉定位模型训练的收敛速度、稳定性和最终测试精度，尤其适用于大规模非凸优化场景。