在世界各地人行道的位置，状况和可访问性上缺乏数据，这不仅会影响人们旅行的何处和方式，而且从根本上限制了交互式映射工具和城市分析。在本文中，我们使用层次多尺度注意模型从卫星图像中构建半自动性的初步工作，从卫星图像中构建人行道网络拓扑模型，从而使用基于学习的基于学习的语义细分从街道级图像从街道图像中推断出表面材料，并评估人行道条件和可访问性。使用人群+AI的功能。我们呼吁创建一个标有卫星和街景场景的数据库，以供人行道和人行道可及性问题以及标准化的基准测试。
translated by 谷歌翻译
修剪技术已成功地用于神经网络中，以交易稀疏性。但是，网络修剪的影响并不统一：先前的工作表明，数据集中代表性不足类的召回可能会受到更大的负面影响。在这项工作中，我们通过假设模型固有的强化效应来研究回忆中的这种相对扭曲。也就是说，修剪的召回率对于以下召回精度的课程相对较差，相反，它使召回率相对较好，对于上述准确性的课程相对较好。此外，我们提出了一种旨在减弱这种效果的新修剪算法。通过统计分析，我们观察到，我们的算法的强度不那么严重，但是随着相对较困难的任务，较不复杂的模型和更高的修剪比率更为明显。更令人惊讶的是，我们相反观察到具有较低的修剪比的脱敏作用。
translated by 谷歌翻译