RoadTracer: bolje automatizirane karte
Google Maps trijumf je umjetne inteligencije na djelu, sa sposobnošću da nas vodi s jednog mjesta na drugo pomoću nekih impresivnih strojno učenje tehnologija. No dok dio Google karata za usmjeravanje ne treba previše ljudi u kombinaciji, ručno iscrtavanje cesta na slikama iz zraka kako bi bile strojno upotrebljive nevjerojatno je dugotrajno i svakodnevno. Kao rezultat toga, čak i uz tisuće sati utrošenih na ovaj zadatak, zaposlenici Googlea još uvijek nisu uspjeli mapirati većinu od više od 20 milijuna milja cesta koje se protežu diljem svijeta.
Srećom, istraživači s Massachusetts Institute of Technology's Computer Science i Laboratorij za umjetnu inteligenciju (CSAIL) i Katarski istraživački institut za računalstvo možda su došli do riješenje. Razvili su automatiziranu metodu za izradu karata puta koja je 45 posto preciznija od postojećih metoda. Nazvan RoadTracer, rad koristi neuronske mreže za inteligentno mapiranje cesta na slikama. Sustav bi mogao biti posebno prikladan za mapiranje dijelova svijeta gdje su karte često zastarjele, poput udaljenih i ruralnih područja u zemljama u razvoju.
Preporučeni videozapisi
"Istrenirali smo neuronsku mrežu koristeći slike iz zraka 25 gradova u šest zemalja u Sjevernoj Americi i Europi," Favyen Bastani, diplomirani student na MIT CSAIL-u, rekao je za Digital Trends. “Konkretno, za svaki grad sastavili smo korpus satelitskih slika visoke rezolucije s Google Eartha i grafikoni cestovne mreže temeljne istine iz OpenStreetMapa, koji pokrivaju područje od otprilike 10 četvornih milja oko grada centar."
RoadTracer radi tako da počinje s poznatom lokacijom na cestovnoj mreži, a zatim ispituje okolno područje kako bi utvrdio koji će najvjerojatnije biti sljedeći dio ceste. Nakon dodavanja ove točke, proces se ponavlja iznova i iznova dok se ne doda cijela cestovna mreža.
Ubuduće, tim se nada da će prijeći više od oslanjanja uglavnom na snimke iz zraka za mapiranje. “Na primjer, ne daju vam informacije o cestama s nadvožnjacima, jer ih očito ne možete vidjeti odozgo”, rekao je Bastani. "Jedan od naših drugih projekata je obučavanje sustava na GPS podacima, a zatim da na kraju budemo u mogućnosti spojiti te pristupe u jedinstveni sustav kartiranja."
Rad koji opisuje rad bit će predstavljen u lipnju na konferenciji o računalnom vidu i prepoznavanju uzoraka (CVPR) u Salt Lake Cityju.
Preporuke urednika
- Može li A.I. pobijediti ljudske inženjere u dizajniranju mikročipova? Google tako misli
- Algoritamska arhitektura: Trebamo li pustiti A.I. projektirati zgrade za nas?
- Zašto bi učenje robota igranju skrivača moglo biti ključ za AI sljedeće generacije
- Pametan novi A.I. sustav obećava da će trenirati vašeg psa dok ste odsutni od kuće
- Novi A.I. slušni aparat uči vaše preferencije slušanja i vrši prilagodbe
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
