RoadTracer: улучшенные автоматизированные карты
Карты Google — это триумф искусственного интеллекта в действии, способный направлять нас из одного места в другое, используя впечатляющие машинное обучение технологии. Но хотя часть маршрутизации Google Maps не требует слишком большого количества людей, отслеживание дорог вручную на аэрофотоснимках, чтобы сделать их пригодными для машинного использования, невероятно трудоемко и обыденно. В результате, даже потратив на эту задачу тысячи часов, сотрудникам Google до сих пор не удалось нанести на карту большую часть из 20 с лишним миллионов миль дорог, протянувшихся по всему миру.
К счастью, исследователи из Массачусетского технологического института компьютерных наук и Лаборатория искусственного интеллекта (CSAIL) и Катарский научно-исследовательский институт вычислительной техники, возможно, придумали решение. Они разработали автоматизированный метод построения дорожных карт, который на 45 процентов точнее существующих методов. Работа под названием RoadTracer использует нейронные сети для интеллектуального отображения дорог на изображениях. Система может быть особенно хорошо подходит для картографирования тех частей мира, карты которых часто устаревают, например, отдаленных и сельских районов в развивающихся странах.
Рекомендуемые видео
«Мы обучили нейронную сеть, используя аэрофотоснимки 25 городов в шести странах Северной Америки и Европы», Фавьен Бастани, аспирант MIT CSAIL, рассказал Digital Trends. «В частности, для каждого города мы собрали корпус спутниковых снимков высокого разрешения из Google Earth и наземные графики дорожной сети из OpenStreetMap, охватывающие территорию площадью около 10 квадратных миль вокруг города. центр."
RoadTracer начинает работу с известного местоположения в дорожной сети, а затем исследует окружающую территорию, чтобы определить, какой участок дороги с наибольшей вероятностью будет следующим. После добавления этой точки процесс повторяется снова и снова, пока не будет добавлена вся дорожная сеть.
В дальнейшем команда надеется выйти за рамки использования преимущественно аэрофотоснимков для картографирования. «Например, они не дают вам информацию о дорогах с эстакадами, поскольку вы явно не можете увидеть их сверху», — сказал Бастани. «Один из других наших проектов — обучение систем работе с данными GPS, а затем возможность объединить эти подходы в единую картографическую систему».
Документ с описанием работы будет представлен в июне на конференции по компьютерному зрению и распознаванию образов (CVPR) в Солт-Лейк-Сити.
Рекомендации редакции
- Может ли А.И. превзойти инженеров-людей в разработке микрочипов? Гугл так думает
- Алгоритмическая архитектура: стоит ли позволять ИИ проектировать для нас здания?
- Почему обучение роботов игре в прятки может стать ключом к созданию искусственного интеллекта следующего поколения
- Умный новый ИИ. система обещает дрессировать вашу собаку, пока вы находитесь вдали от дома
- Новый ИИ слуховой аппарат изучает ваши предпочтения в отношении прослушивания и вносит коррективы
Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.
