RoadTracer: По-добри автоматизирани карти
Google Maps е триумфът на изкуствения интелект в действие, със способността да ни води от едно място на друго с помощта на някои впечатляващи машинно обучение технология. Но докато частта за маршрутизиране на Google Maps не се нуждае от твърде много хора в микса, ръчното проследяване на пътищата върху въздушните изображения, за да ги направят машинно използваеми, отнема невероятно време и е светско. В резултат на това, дори с хиляди часове, прекарани в тази задача, служителите на Google все още не са успели да картографират повечето от над 20 милиона мили пътища, които се простират по целия свят.
За щастие, изследователи от Масачузетския технологичен институт по компютърни науки и Лабораторията за изкуствен интелект (CSAIL) и Катарският компютърен изследователски институт може да са измислили решение. Те разработиха автоматизиран метод за изграждане на пътни карти, който е с 45 процента по-точен от съществуващите методи. Наречен RoadTracer, работата използва невронни мрежи за интелигентно картографиране на пътища върху изображения. Системата може да бъде особено подходяща за картографиране на части от света, където картите често са остарели, като отдалечени и селски райони в развиващия се свят.
Препоръчани видеоклипове
„Обучихме невронната мрежа, използвайки въздушни изображения на 25 града в шест държави в Северна Америка и Европа,“ Фавиен Бастани, завършил студент в MIT CSAIL, каза Digital Trends. „По-конкретно, за всеки град събрахме набор от сателитни изображения с висока разделителна способност от Google Earth и наземни графики на истинската пътна мрежа от OpenStreetMap, покриващи регион от приблизително 10 квадратни мили около града център.”
RoadTracer работи, като започва с известно местоположение на пътна мрежа и след това изследва околността, за да определи коя е най-вероятно да бъде следващата част от пътя. След като тази точка бъде добавена, процесът се повтаря отново и отново, докато се добави цялата пътна мрежа.
Занапред екипът се надява да премине отвъд разчитането на основно въздушни изображения за картографиране. „Например, те не ви дават информация за пътища с надлези, тъй като очевидно не можете да ги видите отгоре“, каза Бастани. „Един от другите ни проекти е да обучим системи на GPS данни и след това евентуално да можем да обединим тези подходи в една система за картографиране.“
Документ, описващ работата, ще бъде представен през юни на Конференцията за компютърно зрение и разпознаване на образи (CVPR) в Солт Лейк Сити.
Препоръки на редакторите
- Може ли A.I. победи човешките инженери при проектирането на микрочипове? Google смята така
- Алгоритмична архитектура: Трябва ли да оставим A.I. проектират сгради за нас?
- Защо обучението на роботи да играят на криеница може да бъде ключът към ИИ от следващо поколение
- Умен нов A.I. системата обещава да обучи вашето куче, докато сте далеч от дома
- Нов изкуствен интелект слуховият апарат научава вашите предпочитания за слушане и прави корекции
Надградете начина си на животDigital Trends помага на читателите да следят забързания свят на технологиите с всички най-нови новини, забавни ревюта на продукти, проницателни редакционни статии и единствени по рода си кратки погледи.
