Sep, 2024

SurfaceAI：基于开放街景图像的连贯路面质量数据集的自动创建

HTML
PDF
TL;DR本研究针对交通安全与舒适性问题，提出了SurfaceAI，一个从开放街景图像中生成全面地理参考路面类型和质量数据集的管道。通过利用众包的Mapillary数据训练模型，SurfaceAI能够有效预测街道图像中的路面状况，为基础设施建模和分析提供了重要的数据支持。
发现论文，激发创造
  • 利用卫星影像精准测量道路质量的等级分配

    利用卫星图像、卷积神经网络等技术，开发了一种监测道路基础设施的模型，并取得了较为优异的分类效果，该方法可在交通运输等众多领域具有广泛应用前景。

    Dec, 2018

  • 基于GAN的数据增强在自动驾驶摄像头镜头污染检测中的应用

    该研究提出了一种基于 GAN 的算法来生成未见过的摄像头污染图像，并自动提供相应的污染掩码，从而消除了手工注释的成本。它对训练期间的图像进行了增强，其准确性提高了 18％，证明了其有效性。

    Dec, 2019

  • RoadTagger: 基于图神经网络的稳健道路属性推断

    本研究提出了 RoadTagger 模型，将卷积神经网络和图神经网络相结合以解决从卫星影像中推断道路属性的问题，并成功解决了图像分类器的有效接收域有限的困难，评估结果显示 RoadTagger 模型在大规模实际数据和小规模合成数据上均取得了较高的推断精度和鲁棒性。

    Dec, 2019

  • 道路提取之外：利用航空影像更新地图的数据集

    该研究论文介绍如何通过利用航空图像处理自动更新街道地图，并且提出了一个新的数据集MUNO21，通过评估现有的道路提取方法揭示了地图更新任务的挑战。

    Oct, 2021

  • ChatGPT作为地图助手：一种借助生成式AI和街景照片数据丰富地图的新方法

    本研究探索利用生成型AI作为绘图的助手的概念，以增强协作绘图的效率，并结合志愿地理信息和大型语言模型进行实验，结果表明，采用更详细的来源照片描述或结合附加上下文可以在不修改底层AI模型的情况下有效地提高地图标记建议的准确性。

    Jun, 2023

  • 融合GAN和纹理合成以增强道路损伤检测

    交通安全和道路维护领域中，准确检测道路损伤对确保安全驾驶和延长道路耐久性至关重要。本研究提出了一种创新的方法，利用生成对抗网络生成具有不同形状的损伤，并通过纹理合成技术提取道路纹理，通过控制合成损伤的严重程度，嵌入到原始图像中，从而实现了损伤严重程度的丰富性和与背景的更好对齐，同时提高了mAP和F1-score。

    Sep, 2023

  • 地理制图中的人工智能研究：方法、应用和伦理的综述与综合

    地理人工智能（GeoAI）在测绘学中的应用与研究展现了巨大潜力，同时也引发了伦理问题的关注，本文通过对GeoAI和测绘学整合的研究进行综述和分析，总结了关于GeoAI在测绘设计中的应用方法以及相关的伦理挑战，并提出了未来的研究方向。

    Dec, 2023

  • 利用通用视觉特征估计冬季道路表面摩擦

    利用道路边缘相机图像，本研究探索基于计算机视觉的道路表面摩擦评估方法。通过提出的混合深度学习架构WCamNet，将预训练的视觉变换模型和卷积块结合，优于先前的方法，实现了从道路边缘相机图像中预测道路表面摩擦的任务。

    Apr, 2024

  • 精确剪切粘贴：一种内容和角度感知的道路损伤检测数据增强方法

    我们提出了一种改进的“剪切-粘贴”增强技术，既考虑了图像中道路的真实位置，又考虑了注入损伤和目标图像之间的透视差异。

    Jun, 2024

  • 基于视觉-语言模型实现建筑环境零注释的方法

    本研究解决了高保真建筑环境数字表示需求与高成本人工注释之间的矛盾。通过使用视觉-语言模型和分段策略，抵消了对人工注释的依赖，实验结果显示，采用预分段策略的模型在多个城市特征的注释中达到了接近40%的交并比准确率。这一发现为自动注释建筑环境的研究开辟了新方向，以提升公平性、可及性和安全性。

    Aug, 2024