从图像数据估计自行车路线吸引力

本硕士论文关注卷积神经网络模型在带自行车吸引力评分的道路标注任务中的实际应用。我们首先将真实世界位置抽象为部分标注数据集中的节点和带评分边。我们利用Google Street View服务的照片数据以及Open Street Map数据库的额外邻域信息来增强每条边的可用信息。我们在该增强数据集上训练模型，并以ImageNet大规模视觉识别竞赛（ImageNet Large Scale Visual Recognition Competition）进行实验。我们尝试不同的数据集增强技术以及各种模型架构来改进道路评分。我们还利用迁移学习将ImageNet丰富数据集任务中的特征用于图像数量较少的我们的任务，以防止模型过拟合。