PulseAugur
中
实时 04:44:09
English(EN) Automatic Extraction of Road Networks by using Teacher-Student Adaptive Structural Deep Belief Network and Its Application to Landslide Disaster

AI模型RoadTracer将道路地图精度提升至89%，并助力灾害响应

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为RoadTracer的新方法，利用基于师生集成学习的自适应深度信念网络（DBN）模型，从航空照片中自动生成道路地图。该先进的DBN模型将七个主要城市的平均检测准确率从40.0%提高到89.0%。该系统还被应用于识别滑坡灾害后的可用道路，从而实现交通的快速通行。为了实现高效推理，已在嵌入式边缘设备上实现了训练模型的轻量级版本。 AI

影响 这项研究展示了自动化路网提取的显著改进，在灾害响应和边缘设备的有效部署方面具有潜在应用。

排序理由 该集群描述了一篇详细介绍新AI模型及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI模型RoadTracer将道路地图精度提升至89%，并助力灾害响应

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shin Kamada, Takumi Ichimura ·

    基于师生自适应结构深度信念网络的路网自动提取及其在滑坡灾害中的应用

    arXiv:2511.05567v2 Announce Type: replace-cross Abstract: An adaptive structural learning method of Restricted Boltzmann Machine (RBM) and Deep Belief Network (DBN) has been developed as one of prominent deep learning models. The neuron generation-annihilation algorithm in RBM an…

相关实体

相关话题