街道地圖產生器的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

基於物件檢測的招牌辨識及半自動訓練資料產生器

為了解決街道地圖產生器的問題，作者洪晨雅 這樣論述：

資料驅動的物件檢測技術廣泛應用於各種實際的領域。現今，許多研究專案都是提出改善關於電腦視覺應用的精確度。在這篇論文中，我們提出一個自動的招牌檢測方法以及一個半自動訓練資料產生的方法，以此幫助視覺障礙人士在臺灣的街道上行走。我們認為，當視覺障礙人士行走在街道上時，他們可能會對某些特定商店感興趣。然而，目前並沒有足夠的關於臺灣商店招牌的資料集。因此，我們收集了14種在人們日常生活中較常見的商店的影像。從臺灣數個主要縣市收集超過九百萬張的街道影像，其中只有大約百分之一含有招牌。所以，我們提出一個物件檢測模型可以預先標注不確定的樣本。我們也基於這個模型設計一個流程以便達到半自動訓練資料產生的目的。

我們提出的物件檢測網路是基於Darknet-19這個架構，並且透過引進數種技術改善其精確度，例如，擴張模塊、非局部模塊以及通道注意力。擴張模塊以及非局部模塊的引入都是為了增加感受野，以便獲得更多資訊進而改善網路的精確度。我們也引進通道注意力機制賦予不同通道的特徵圖不同的權重，這個方法進一步改善了精確度。我們所提出的物件檢測網路可以達到91%的精確度，且其速度可達21 FPS。 半自動的訓練資料產生方法包含數個應用程式，例如，Google地圖工具、我們提出的檢測網路以及編輯工具。Google地圖工具是用來收集街道影像成為原始資料。檢測網路是用來過濾含有招牌的影像。編輯工具是用來驗證被

過濾出的影像的正確性。 這篇論文的目的是要提供一個收集訓練資料的方法，並且減少在時間及人力資源上的重大負擔。

商業空間語音導引設計

為了解決街道地圖產生器的問題，作者廖珈珺 這樣論述：

隨著時代的進步，商業空間的需求也越來越大，已不單只是獨棟商場的消費模式，漸漸發展成商圈的型態，當商圈空間機能趨於複雜化，逐漸形成路網，用路人的尋路問題，也成為了關注和檢討的重點。而現今商業空間導引系統，多以平面指標為主要導引用路人的方式，但平面指標屬於較被動的服務方式，尋路者還是經常發生尋找不到目的地的困擾，而常需要主動的向服務台或其他用路人尋求協助，以口語報路的方式來獲得所需的資訊。 然而口語報路的方式，常會因為報路者的表達及敘述方式不同，而造成尋路者在尋路上的認知差異，本研究將以實驗的方式蒐集熟悉商圈報路者的口語報路方式，並進行語意類別分析，再透過實驗傳達給不熟悉商圈的尋路者，嘗試

了解何種口語報路句意最能正確的傳達資訊，及口語報路的語意差異對尋路者行為的影響。 本研究以實驗的方式得知以「位相概述型」的口語報路策略，是最適合用於商業空間中的導引服務，讓尋路者對空間有簡單的認知，再以簡單的敘述提供資訊，期望未來能結合手機APP的口語報路程式，以更主動的方式，提供報路資訊給需要的尋路者。