Newly從默塞德加利福尼亞大學(xué)發(fā)表的研究，鋪平邁向一個(gè)引人入勝的新AI使用情況的方式：將機器學(xué)習，以衛星圖像可視化在地面上的看法。

該技術(shù)對于航空影像豐富的大型農村地區的繪圖和分類(lèi)特別有用，但實(shí)地圖像稀少或根本不存在。

該論文稱(chēng)，研究人員率先使用這種方法將衛星圖像轉換為地面預測。那么它是怎樣工作的?

快照游戲

為了從衛星照片預測地面視圖，該團隊使用了一種稱(chēng)為條件生成對抗網(wǎng)絡(luò )(cGAN)的機器學(xué)習系統。這結合了兩個(gè)神經(jīng)網(wǎng)絡(luò )：“發(fā)電機”和“鑒別器”。

AI顯示了數千對圖像，每個(gè)圖像包括衛星圖像和相同位置的地平??面照片。通過(guò)比較16,000對這樣的對，訓練了cGAN，從航空照片中可視化地面上的物體。

然后，“生成器”神經(jīng)網(wǎng)絡(luò )被饋送了4,000個(gè)新的衛星圖像，并被告知根據每個(gè)圖像創(chuàng )建假的地平面圖像，以及從訓練數據中學(xué)到的內容。然后，發(fā)生器通過(guò)來(lái)自“鑒別器”(可以訪(fǎng)問(wèn)真實(shí)的地平面視圖)的反饋來(lái)學(xué)習，以產(chǎn)生更準確的圖像。

理論是該過(guò)程迭代地改進(jìn)：鑒別器記錄真實(shí)和AI生成的圖像之間的差異，并且兩個(gè)神經(jīng)網(wǎng)絡(luò )發(fā)揮競爭性游戲以產(chǎn)生更準確的結果 - 技術(shù)名稱(chēng)中的對抗性元素。

機器制作的圖像

由此產(chǎn)生的假地面圖像看起來(lái)很自然，結構上與真實(shí)圖像相似，但當然缺乏真實(shí)的細節; 根據航空數據，它們只是對地面視圖的預測。

但考慮到它們能夠表示土地類(lèi)型和道路等特征，使用該框架生成的密集特征圖對于土地覆蓋分類(lèi)比現有的人類(lèi)方法更有效。

因此，新的人工智能增強過(guò)程可以通過(guò)補充農村地區的稀疏圖像庫來(lái)使地理學(xué)家的工作變得更加容易，這些圖像庫是他們多年來(lái)不得不依賴(lài)這種分類(lèi)工作的。如果沒(méi)有自己前往偏遠地區并拍攝數千張照片，這是迄今為止開(kāi)發(fā)的最準確的方法。

新技術(shù)能夠在73%的時(shí)間內成功確定土地利用，而目前使用的人工插值方法在65%的情況下是正確的。然而，研究團隊的目標是進(jìn)一步提高系統的性能，并探索其他機器學(xué)習方法。