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

Астрономи помітили потенційно штучний радіосигнал від найближчої зірки

Ми поки не знаємо, що це за сигнал, але є (дуже) невелика ймовірність, що він може мати чуже походження.

Вчені побудували штучний інтелект, щоб закінчити десяту симфонію Бетховена

Ми не знаємо, що Бетховен мав зробити для своєї незавершеної 10-ї симфонії. Але що, якщо ми зможемо підключити свою музику в AI, щоб зрозуміти це?

Людська сторона штучного інтелекту

Поліпшення результатів машинобудування не просто питанням вдосконалення обчислювальної продуктивності AI.

Що таке штучний інтелект?

"До багатьох, AI - це просто жахливий фільм Стівен Спілберг. Іншим, це наступне покоління навчальних комп'ютерів. Але що таке штучний інтелект? Відповідь залежить від того, хто ви запитуєте. Широко, штучний інтелект (AI) - це поєднання комп'ютерних наук та надійних наборів даних, розгорнута для вирішення певної проблеми. Багато визначень штучних ...