Будущее: нейросети-картографы

Сервис для обмена фотографиями с геометками Mapillary в прошлом году добавил функцию, которая обеспечивает семантическую сегментацию изображений объектов. Фактически они смогли разделить изображения на отдельные группы пикселей, соответствующие одному объекту с одновременным определением типа объекта в каждой области. Люди делают подобное очень легко — например, большинство из нас могут идентифицировать и находить автомобили, пешеходов, дома на изображениях. Однако компьютерам тяжело было ориентироваться в огромном массиве данных.

Используя глубокое обучение на свёрточной нейронной сети, в Mapillary смогли в автоматическом режиме выявить 12 категорий объектов, которые чаще всего встречаются в дорожной сцене. Их метод позволяет добиться прогресса и по другим задачам машинного зрения. Игнорируя совпадения между движущимися объектами (например, облаками и транспортными средствами) можно значительно улучшить цепочку процессов преобразования исходных данных в двухмерную или стереоскопическую картинку. Семантическая сегментация Mapillary позволяет получить приблизительную оценку плотности растительности или наличия тротуаров на некоторых территориях городов.


Юго-Запад Москвы нейросеть поделила на зоны в зависимости от типа застройки

В проекте CityClass проводится анализ типов городской застройки при помощи нейросети. Делать карту функционального зонирования города долго и однообразно, но можно обучить компьютер отличать промышленную зону от жилой, а историческую застройку от микрорайона.

Группа ученых из Стэнфорда натренировала нейросеть предсказывать уровень бедности в Африке по дневным и ночным спутниковым снимкам. Сначала сетка находит крыши домов и дороги, а потом сопоставляет с данными об освещенности территорий в ночное время.

Сообщество продолжает следить за первыми шагами в области автоматического создания карт, и уже использует машинное зрение для рисования некоторых объектов. Трудно сомневаться в том, что будущее будет принадлежать картам, создаваемым не только людьми, но и машинами.