Даже если мы живем в 21 веке, цифровая трансформация не полностью охватила страны развивающихся стран – на нашей планете все еще есть 20 миллионов миль дорог, не находящихся под контролем современных технологий. Это создало огромную проблему в век технологий, когда почти все оцифровано. В настоящее время большинство людей используют цифровые карты, чтобы отправиться в новое место.
Таким образом, дороги, которые еще не были нанесены на карту, создают множество проблем для цифровых карт, особенно для систем, разработанных для автономных транспортных средств. Исследователи Массачусетского технологического института (MIT) нашли решение. Они разработали метод глубокого обучения под названием RoadTracer, который будет создавать дорожные карты на основе аэрофотоснимков. Предполагается, что эти карты, созданные на основе аэрофотоснимков, будут на 45% точнее, чем любые существующие подходы.
RoadTracer хорошо подходит для картографирования областей мира, карты которых часто устаревают, включая как места с низкой численностью населения, так и районы, где часто ведется строительство. Например, на существующих картах отдаленных районов, таких как сельские районы Таиланда, отсутствуют многие дороги. RoadTracer может помочь сделать их более точными. – Мохаммад Айзаде, один из соавторов статьи, рассказал MIT news.
Они использовали графические процессоры NVIDIA Tesla V100 на Amazon Облако веб-сервисов и платформа глубокого обучения TensorFlow в нейронной сети на аэрофотоснимках 25 городов в шести странах Северной Америки и Европы. Они проверили свою работу нейронов, используя те же графические процессоры, которые они использовали для обучения, нанеся на карту 15 других городов. Команда MIT заявила, что если в области, которую они пытаются нанести на карту, есть здания, деревья, тени или что-то в этом роде, весь процесс картирования глубокого обучения может содержать множество ошибок.
Текущие картографические работы, осуществляемые с использованием аэрофотоснимков, часто бывают неточными. Что отличает RoadTracer от других цифровых картографических систем, так это то, что система создает карты шаг за шагом. Метод начинается в известном месте и использует нейронную сеть для анализа окружающей местности, чтобы определить, какая точка, скорее всего, станет следующей частью дороги. Затем система добавляет эту точку на дорогу и повторяет процесс, чтобы проследить путь.
Файвен Бастани, аспирант Массачусетского технологического института и соавтор статьи, говорит: «Вместо того, чтобы одновременно принимать тысячи различных решений о том, представляют ли различные пиксели части дороги, RoadTracer сосредотачивается на более простой проблеме: выяснении, в каком направлении следовать. когда начинаем с определенного места, которое, как мы знаем, является дорогой. Во многих отношениях это намного ближе к тому, как мы, люди, конструируем мысленные модели окружающего нас мира».
Они представят свой доклад в июне на конференции по компьютерному зрению и распознаванию образов в Солт-Лейк-Сити, штат Юта.
