초록
딥러닝이 지도 산업을 혁신하고 있습니다. 경량화된 인간의 관리 하에 컴퓨터는 고해상도 위성 영상을 사용하여 오픈스트리트맵(OpenStreetMap, OSM)에서 태국의 도로 약 절반을 생성하였습니다. 빙 맵(Bing Maps)은 미국에서 컴퓨터가 생성한 1억 2천 5백만 개의 건물 다각형을 표시하고 있습니다. 수동으로 지도를 그리는 것보다 훨씬 효율적이지만, 공중에서 모든 것을 매핑할 수는 없습니다. 특히 도로의 경우, 이미지 가림 현상으로 인한 작은 예측 오차가 전체 도로를 경로 설정에 무용지물로 만들 수 있으며, 잘못된 연결은 더 위험할 수 있습니다. 따라서 컴퓨터 기반 매핑은 종종 현지 검증이 필요하며, 이는 여전히 노동 집약적입니다. 본 논문에서는 군중 소싱 GPS 데이터를 활용하여 공중 영상에서 도로 추출을 개선하고 지원하는 방법을 제안합니다. 새로운 데이터 증강, GPS 렌더링 및 1D 전치 합성곱(Transpose Convolution) 기술을 통해 이전 대회 우승 모델보다 약 5% 개선되었음을 보여주며, 새로운 훈련 데이터나 영역 적응 없이 새로운 지역을 예측할 때 더욱 우수한 강건성을 나타냈습니다.