Нейросеть MIT находит дороги, о которых не знает Google Maps
Google и другие компании ежегодно тратят миллиарды на поддержание актуальности своих карт. Это адский труд, особенно когда дело доходит до дорог. Их нанесением обычно занимаются живые сотрудники, которые физически не могут проверить более 30 миллионов километров транспортных путей в мире. Но скоро ситуация может измениться. Специалисты лаборатории CSAIL при Массачусетском технологическом институте MIT создали нейросеть, способную находить дороги на фотографиях со спутника с точностью на 45% выше, чем в существующих решениях.
Как это работает?
Система под названием RoadTracer использует снимки местности в высоком разрешении из Google Earth и схему дорожной сети в OpenStreetMap. За стартовую точку принимается уже известный участок. Нейронная сеть сканирует окружающую территорию и определяет, где с большой долей вероятности будет продолжение дороги. Она переключается на это место, снова повторяет те же действия. Шаг за шагом на карте будут появляться дороги, о которых не знает ваш навигатор.
При использовании традиционных методов сегментации часто случаются ошибки, если у самой дороги растут деревья или на неё падает тень от зданий. Кроме того, алгоритмы могут не заметить тупик и соединить два дорожных участка, просто потому что они находятся рядом.
RoadTracer обучали на фотографиях 25 городов в шести странах Северной Америки и Европы. В тестах на примере карты Нью-Йорка система правильно определила 44% транспортных развязок против 19% при стандартном подходе. Технология оказалась в два раза эффективнее, но разработчикам ещё есть куда стремиться. Авторы проекта сами признают, что одних только спутниковых снимков недостаточно. В будущем они собираются дополнить их данными GPS.
Почему это важно?
В MIT предложили быстрый и менее затратный способ нанесения дорог на карту. Он отлично подходит для областей активной застройки с постоянно меняющимся ландшафтом и малонаселённых районов, куда вряд ли когда-нибудь доберутся автомобили съемочной группы Google Street View.
Источники: MIT, Digital Trends