基于图的路径生成：带可解释数据增强与课程学习的视觉室内导航

室内导航是一个困难的任务，因为通常缺乏 GPS 信号，迫使解决方案依赖于其他信息源。尽管该领域取得了显著进展，但由于当前方法的复杂性和额外要求，仍缺乏用于实际应用的部署。在本文中，我们引入了一个高效、实时且易于部署的深度学习方法，仅基于视觉输入即可预测从移动设备捕获的图像中指向目标的方向。我们的技术方法基于新颖的图基路径生成方法，结合了可解释的数据增强和课程学习，包括使数据收集、标注和训练过程尽可能自动、高效和稳健的贡献。在实践方面，我们引入了一个大规模数据集，视频素材来自相对较大的购物中心，每个帧都标注了指向不同特定目标目的地的正确下一个方向。与当前方法不同，我们仅依赖视觉信息，避免了需要特殊传感器、沿路径放置的附加标记、场景地图或互联网接入的需求。我们还创建了一个易于使用的 Android 应用程序，计划公开提供。我们将所有数据和代码以及视觉演示放在项目网站上提供。