W serwisie Street View znajduje się już 80 mld panoram ulic z całego świata, w tym Polski. Z wielu z nich można pozyskać dużo cennych informacji – np. nazwy ulic czy punktów usługowych. Problem w tym, że analizowanie tak ogromnego zbioru przez człowieka jest praktycznie niewykonalne. Z kolei automatyzacja, np. wykorzystanie popularnego mechanizmu rozpoznawania tekstu OCR, w przypadku fotografii ulic jest mało skuteczna.
Rozwijając algorytmy sztucznej inteligencji, Google odnosi jednak na tym polu coraz większe sukcesy, o czym korporacja napisała ostatnio na jednym ze swoich blogów. Już w 2014 roku wdrożono technologię rozpoznawania numerów domów Street View House Numbers (SVHN), która zwiększyła dokładność lokalizacji aż 2/3 punktów adresowych widocznych na panoramach.
Kolejnym krokiem było zautomatyzowanie rozpoznawania nazw ulic. Tu polem testowym dla Google’a była Francja. Wyzwaniem okazało się tu nie tylko opracowanie skutecznego mechanizmu rozpoznawania tekstu, ale także automatycznie konwertowanie nazwy ulicy do schematu stosowanego na Mapach Google. Na razie skuteczność algorytmu Google’a to 84,2%. Wciąż daleko do ideału, choć – jak podkreśla korporacja – to i tak znacznie lepszy wynik od jakiejkolwiek innej dostępnej dotychczas technologii.
Google nie zamierza jednak spoczywać na laurach. Kolejnym celem jest opracowanie algorytmu, który będzie automatycznie rozpoznawać nazwy obiektów usługowych. Największym problemem będzie tu interpretacja szyldów. Algorytm będzie bowiem musiał rozpoznać, który fragment tekstu to nazwa punktu, a których jest z punktu widzenia Map Google nieistotny.
Oddzielnym wyzwaniem będzie przetworzenie ogromnej liczby zdjęć panoramicznych. Tu mają pomóc opracowane przez Google’a specjalne procesory TPU (Tensor Processing Unit). Efektem ich działania ma być możliwie jak najwyższa aktualność i dokładność danych na Mapach Google, użytkowanych już przez około miliard ludzi na całym świecie.
nadchodzące wydarzenia
zobacz pozostałe
