要約
深層学習はマッピング業界を革命的に変革しています。軽微な人的キュレーションの下、コンピュータは高解像度の空中画像を使用して、OpenStreetMap（OSM）上でタイの道路のほぼ半分を生成しました。Bing マップでは、アメリカで1億2500万件のコンピュータ生成された建物ポリゴンが表示されています。手動でのマッピングよりも大幅に効率的ですが、空中からすべてをマッピングすることはできません。特に道路の場合、画像の隠蔽による小さな予測ギャップでもルーティングに全く役立たないことがあります。誤接続はより危険です。したがって、コンピュータベースのマッピングには現地での検証が必要であり、これは依然として労力がかかる作業です。本論文では、クラウドソーシングされたGPSデータを活用して、空中画像からの道路抽出を改善および支援することを提案します。新しいデータ拡張技術、GPSレンダリング技術、および1次元トランスポーズ畳み込み技術を通じて、我々は前回の競技優勝モデルに対して約5%の改善を示し、新たな訓練データやドメイン適応なしで新しい領域を予測する際には著しく高い堅牢性を持つことを示しています。