التعلم العميق يثورة صناعة الخرائط. تحت إشراف بشري محدود، تمكنت الحواسيب من رسم حوالي نصف الطرق في تايلاند على خريطة OpenStreetMap (OSM) باستخدام الصور الجوية عالية الدقة. كما تعرض خرائط Bing أكثر من 125 مليون مضلع مبنى تم إنشاؤها بواسطة الحاسوب في الولايات المتحدة. رغم أن هذا الأسلوب أكثر كفاءة بكثير من الرسم اليدوي للخرائط، إلا أنه لا يمكن رسم كل شيء من الجو. خاصة فيما يتعلق بالطرق، فإن فجوة التنبؤ الصغيرة بسبب حجب الصورة قد تجعل الطريق بأكمله غير صالح للاستخدام في التوجيه. وقد تكون الروابط الخاطئة أكثر خطورة. لذلك، غالباً ما تتطلب الخرائط المستندة إلى الحاسوب التحقق المحلي، وهو ما يظل يتطلب جهداً بشرياً كبيراً. في هذه الورقة البحثية، نقترح الاستفادة من بيانات GPS المجمعة من قبل الجمهور لتحسين ودعم استخراج الطرق من الصور الجوية. من خلال تقنيات جديدة لتوسيع البيانات وتصوير GPS والتحويل المتعدد البعد (1D transpose convolution)، أظهرنا تحسينات بنسبة تقارب 5% على النماذج الفائزة السابقة، وأداءً أفضل بكثير عند التنبؤ بمناطق جديدة دون أي بيانات تدريبية جديدة أو تكيف بين المجالات.