基于自然语言处理的方法：通过理解街景图像中的深层语义特征进行人类感知的映射

Nov, 2023

A natural language processing-based approach: mapping human perception by understanding deep semantic features in street view images

Haoran Ma, Dongdong Wu

TL;DR利用预训练自然语言模型的新框架，结合街景图像和机器学习，深入理解人类感知和场景感受之间的关系，并发现利用深层语义特征对于人类感知研究的重要性和解释力的提升。

Abstract

In the past decade, using street view images and machine learning to measure human perception has become a mainstream research approach in

发现论文，激发创造

利用卷积神经网络从大规模的人类认知感知数据集中学习，在全球范围内量化城市环境感知现象的关系。

Aug, 2016

本文提出了一种基于车载摄像头图像的道路布局推断模型，同时构建了一个路况数据集，可以将导航地图的元数据与 Google 街景图像匹配以提供标签，并利用深度卷积网络训练该模型，结果表明该方法可用于提升基础设施安全性。

Nov, 2016

这篇论文介绍了一种深度神经网络（DNN），多尺度语义先验特征引导图像修复网络（MFN），用于修补街景图像，以实现隐私保护并为城市应用生成可靠场景。

May, 2024

本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

Jun, 2020

利用基于深度学习的计算机视觉方法，该研究使用 2008 年至 2021 年间的 1500 万街道图像来测量伦敦的变化，成功地识别了住房供应的变化，为城市规划和政策决策提供及时信息，以建设更宜居、公平和可持续发展的城市。

Sep, 2023

本文提出一种利用深度神经网络的高阶层进行场所识别以及运用描述符归一化方案提高场所识别鲁棒性的方法，并在两个数据集上进行验证，结果显示相比于现有技术具有显著的改进。

Jan, 2018

这篇论文研究了一项名为统一感知分析的新任务，通过开发 UPerNet 多任务框架和一种训练策略来实现从给定图像中识别尽可能多的视觉概念，最后在自然场景中应用训练网络来发现视觉知识。

Jul, 2018

介绍了使用语义分割和特征分析方法来提高星球级照片定位准确性和可解释性。

Apr, 2021

通过一系列新兴的基于语义和外观的技术，使用卷积特征图从一种状态到另一种状态的本地语义张量（LoST）表述，以及从语义上开采显着的关键点对应来实现高性能的地方识别。

Apr, 2018

通过使用人工智能技术，本文介绍了一种名为 SNAP 的新型神经网络，可以自动创建丰富的 2D 地图，并具有更高级的语义信息。该方法可以解决创建和维护 2D 地图的困难，并在定位方面取得了业界领先的表现。

Jun, 2023