COLTRANE：用于深度地图推断的卷积轨迹网络
计算机视觉与模式识别
2019-09-25 v1
摘要
从GPS轨迹自动生成道路地图的过程称为地图推断，由于在各类领域上的地理空间数据上执行该任务仍具挑战性，因为大多数现有研究聚焦于城市中的道路地图。本质上，现有算法无法保证在非常规地理空间场所（如机场停机坪、步行道与近道或动物迁徙路线等）上工作。此外，深度学习在此类任务上尚未得到充分探索。本文提出COLTRANE（ConvolutiOnaL TRAjectory NEtwork，卷积轨迹网络），一种在多种环境中采集的GPS轨迹上运行的新型深度地图推断框架。该框架包含迭代轨迹均值漂移(ITMS)模块以定位道路中心线，从而应对含噪GPS数据点。随后将基于我们新颖轨迹描述符训练的卷积神经网络引入框架，以检测并准确分类路口，实现道路地图的细化。在两个不同的真实数据集（城市道路与机场停机坪）上，COLTRANE的F1分数较现有方法最高提升37%。
引用
@article{arxiv.1909.11048,
title = {COLTRANE: ConvolutiOnaL TRAjectory NEtwork for Deep Map Inference},
author = {Arian Prabowo and Piotr Koniusz and Wei Shao and Flora D. Salim},
journal= {arXiv preprint arXiv:1909.11048},
year = {2019}
}
备注
BuildSys 2019