Новый AI от Google обладает «сверхчеловеческой» способностью определять местонахождение вашего изображения

Если вы когда-нибудь играли в игру GeoGuessr , вы будете знать, как трудно найти где-то чисто изображение. В онлайн-игре вы попадаете в Google Street View в случайном месте, и ваша задача - определить, где вы находитесь в мире, используя только видимые подсказки. Но даже будучи пространственными существами, нам, людям, трудно отличить нашу австралийскую глубинку от нашего южноафриканского куста.

Теперь Google разработал машину искусственного интеллекта, способную к «сверхчеловеческим уровням точности», когда дело доходит до угадывания местоположения на основе только пикселей фотографии.

Тобиас Вейанд (Tobias Weyand), один из мозгов Google, и команда, которая специализируется на разработке «компьютерного зрения», разработали PlaNet - глубокую нейронную сеть, способную определять, где было снято изображение, исключительно на его пикселе.

Для разработки «пространственной памяти» компьютера команда предоставила 91 миллион изображений с геотегами. Используя эти данные, они разбили карту на сетку, состоящую из более чем 26 000 квадратов, размер квадратов которых пропорционален количеству изображений, снятых там. Большие города с высокой концентрацией населения, как правило, состоят из большего количества площадей по сравнению с сельской местностью. Таким образом, было недостаточно изображений, чтобы включить океан или полярные регионы.

На протяжении всего этого процесса глубокая нейронная сеть обнаруживает тенденции и визуальные сигналы, которые появляются на фотографиях в той же сетке, такие как цвет, текстура и форма. Например, сеть могла бы уловить отличительные красные и коричневые оттенки скалы Гранд-Каньона по бесчисленным фотографиям местности.

Некоторые из предположений PlaNet. Изображение предоставлено: Google / Tobias Weyand et al.

Чтобы проверить нейронную сеть, они дали ей 2,3 миллиона фотографий с геотегами от Flickr, чтобы посмотреть, сможет ли он угадать, где было сделано изображение. Компьютер правильно угадал континент по 48 процентам изображений и определил страну по 28,4 процентам. Кроме того, учеба утверждает, что может «локализовать 3,6 процента изображений с точностью на уровне улицы и 10,1 процента с точностью на уровне города».

Хотя это может показаться не совсем точным, но намного лучше, чем у людей. В игре GeoGuessr команда «PlaNet» выступила против «10 хорошо путешествующих людей». PlaNet выиграл 28 раз из 50 со средней ошибкой 1131,7 километра (703 мили), в то время как люди находились вне цели в среднем на 2320,75 километра (1442 мили).

Примечательно, что исследователи утверждают, что PlaNet даже имеет возможность определять местоположение изображений в помещении, подбирая определенные предметы, MIT Technology Review отчеты.

Вы можете подумать, что у людей будет преимущество, как объясняется в исследовании: «В отсутствие очевидных и дискриминационных ориентиров люди могут прибегнуть к своим познаниям в мире и использовать несколько подсказок, чтобы определить местоположение фотографии.

«Язык уличных знаков или направления движения автомобилей может помочь сузить круг возможных мест. Традиционные алгоритмы компьютерного зрения обычно не имеют такого рода мировых знаний, полагаясь на функции, предоставляемые им во время обучения ».

Тем не менее, Вейанд и коллеги предполагают, что PlaNet на самом деле имеет преимущество, поскольку ему было предоставлено больше изображений мест, чем любой человек мог когда-либо путешествовать, и он научился распознавать едва различимые сигналы из миллионов различных сцен.

Вы можете прочитать полное описание их развития в исследовании в Arxiv ,

[H / T: MIT Technology Review ]

Похожие