MIT використовує штучний інтелект для створення Оновлені карти вулиць від супутникових знімків
Ми всі були там - ваш GPS говорить, що, як передбачається, буде чергу йде вгору, і ви довіряєте машині. Потім ви опиняєтеся не в ту сторону або застряг на приватній дорозі ніде розвернутися. Отримання точних карт до рівня вулиць важко, і навіть технічно точні карти може збивати з пантелику, чи не досить докладно. Дослідники з Массачусетського технологічного інституту та Науково-дослідного інституту Qatar Computing (QCRI) об'єднали дві нейронні архітектури мережі для отримання більш точних карт GPS з легкодоступними супутникових зображень.
Це вимагає часу і грошей, щоб зібрати точні картографічні дані, і муніципалітети по всьому світу постійно роблять щипки їх вироблення. Тільки компанії, що має доступ до гір призначених для користувача даних і флотам відображення транспортних засобів є надія на оновлення на регулярній основі, але навіть Google не може зберегти свої дані на всі частини світу уточненого.
Одним з можливих рішень є використання супутникових зображень для отримання точних карт вулиць, але будівлі, дерева і шляхопроводів часто неясні важливі деталі, як підрахунків смуги руху і виходів. Новий документ з MIT і QCRI пояснює, як інструмент, званий RoadTagger може передбачити розташування смуг руху, навіть коли вони не видно.
Якби ви були дивитися на супутниковому зображенні з затемненій проїжджої частини, ймовірно, можна припустити, скільки смуг є і які з них ви повинні були б бути, щоб взяти конкретний вихід. Навчання машини, щоб зробити це з мільйонами зображень є основною обчислювальної завданням, однак. RoadTagger складається з двох частин: сверточное нейронна мережа (CNN) часто використовуються для задач розпізнавання образів і граф нейронної мережі (GNN), який розуміє відносини між точками даних.
CNN RoadTagger сканує вихідні дані зображення і ідентифікує дороги. Потім GNN розщеплюється кожну дорогу на сегменти 20 метрів. Кожен сегмент стає «плиткою» в окремому вузлі графа. CNN дивиться на кожному вузлі графа і збирає функцію, такі як тип дороги і підрахунки провулка. Він розділяє дані з сусідніми вузлами, що розповсюджуються вздовж всієї довжини шляху. Якщо плитка затемняются або неясні, то GNN може використовувати дані CNN з інших вузлів для оцінки умов в цьому розділі.
Команда перевірила RoadTagger з реальними зображеннями з 20 міст США. RoadTagger вдалося правильно ідентифікувати приховані локації LANE 77 відсотків часу. Він також правильно вгадали типи доріг 93 відсотків часу. Версія майбутнє вже планується, що буде стимулювати, що точність і додати підтримку для визначення функцій, таких як автостоянки і велосипедних доріжок.
Читати далі
AMD може дозволити користувацькі картки RX 6900 XT, стартовий запас може бути обмежений
Ходять чутки, що Nvidia, можливо, не єдина компанія, яка стикається з дефіцитом виробництва у цей святковий сезон. Графічні процесори високого класу взагалі може бути дуже важко знайти.
Тести, що просочились, малюють суперечливу картину Intel Rocket Lake
Чутки про Рокет-Лейк останнім часом вказують у двох протилежних напрямках, але більш конкурентоспроможні показники, швидше за все, будуть правдою.
IBM, Fujifilm встановила новий рекорд щільності площі із стрічковим картриджем 580 ТБ
IBM і Fujifilm оголосили про прорив, який колись може забезпечити стрічкові картриджі ємністю 580 ТБ або більше.
Фрагмент метеорита вказує на зниклу планету карликів у ранній Сонячній системі
Кожен астероїд, який падає на Землю, є потенційним вікном у витоки Сонячної системи, але вчені натрапили на щось досить дивне, вивчаючи фрагмент астероїда Альмахата Сітта.