Sztuczna inteligencja coraz skuteczniej kartuje drogi

Naukowcy z elitarnego Massachusetts Institute of Technology (MIT) opracowali algorytm bazujący na sztucznych sieciach neuronowych, który znacznie lepiej od poprzedników radzi sobie z wektoryzacją ulic na zdjęciach lotniczych.

Automatyczne wykrywanie na zdjęciach lotniczych i satelitarnych różnych kategorii pokrycia terenu nie jest niczym nowym. Rozpoznawanie na nich elementów sieci drogowej wciąż sprawia jednak algorytmom spore problemy. Wszystko dlatego, że na ogół analizują one zobrazowanie jako całość, decydując, który piksel reprezentuje drogę, a który nie. Drzewa i cienie przesłaniające ulice sprawiają jednak, że takie podejście jest obarczone sporymi błędami, bo trudno skutecznie odtwarzać całe ciągi komunikacyjne. Konieczna jest więc pracochłonna manualna weryfikacja efektów pracy algorytmu.

Naukowcy z Laboratorium Nauk Komputerowych I Sztucznej Inteligencji MIT postanowili podejść do tego zagadnienia z innej strony. Ich algorytm RoadTracer bazujący na sztucznych sieciach neuronowych analizuje zdjęcie krok po kroku. Zaczynając od miejsca, gdzie wiadomo, że jest droga, posuwa się piksel po pikselu, decydując, jaki następny punkt najprawdopodobniej odpowiada dalszemu fragmentowi drogi.

– Zamiast dokonywać tysięcy różnych decyzji, czy dany piksel jest drogą, RoadTracer skupia się na prostszym problemie: w którym kierunku droga biegnie dalej. Jest to sposób rozumowania znacznie bliższy nam, ludziom – wyjaśnia student MIT Fayven Bastani.

Algorytm RoadTracer przeszedł treningi w 25 miastach położonych w 6 krajach. Następnie został przetestowany w 15 innych aglomeracjach. Doświadczenia wykazały, że udało mu się poprawnie skartować 44% skrzyżowań. Choć może wydawać się to niewiele, to algorytmy reprezentujące tradycyjne podejście osiągały skuteczność tylko na poziomie 19%.

Źródło: MIT, JK