DeepNav：学习导航大型城市
计算机视觉与模式识别
2017-05-23 v2
摘要
我们提出 DeepNav，一种基于卷积神经网络（CNN）的算法，利用局部可见的街景图像在大型城市中导航。DeepNav 智能体通过在交叉路口做出正确的导航决策来学习快速到达目的地。我们收集了一个大规模街景图像数据集，以图的形式组织，其中节点由道路连接。该数据集包含 10 个城市图以及超过 100 万张街景图像。我们针对导航任务提出了 3 种监督学习方法，并展示了如何利用城市图中的 A* 搜索来生成学习所需的监督信号。我们的标注过程完全自动化，使用公开可用的地图服务，无需人工输入。我们在 4 个留出城市上评估所提出的 DeepNav 模型，用于导航至 5 种不同类型的目的地。我们的算法优于之前使用手工设计特征和支持向量回归（SVR）[19] 的工作。
引用
@article{arxiv.1701.09135,
title = {DeepNav: Learning to Navigate Large Cities},
author = {Samarth Brahmbhatt and James Hays},
journal= {arXiv preprint arXiv:1701.09135},
year = {2017}
}
备注
CVPR 2017 camera ready version