Newly從默塞德加利福尼亞大學(xué)發(fā)表的研究，鋪平邁向一個引人入勝的新AI使用情況的方式：將機器學(xué)習(xí)，以衛(wèi)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(nóng)村地區(qū)的繪圖和分類特別有用，但實地圖像稀少或根本不存在。

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

快照游戲

為了從衛(wèi)星照片預(yù)測地面視圖，該團隊使用了一種稱為條件生成對抗網(wǎng)絡(luò)(cGAN)的機器學(xué)習(xí)系統(tǒng)。這結(jié)合了兩個神經(jīng)網(wǎng)絡(luò)：“發(fā)電機”和“鑒別器”。

AI顯示了數(shù)千對圖像，每個圖像包括衛(wèi)星圖像和相同位置的地平??面照片。通過比較16,000對這樣的對，訓(xùn)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個新的衛(wèi)星圖像，并被告知根據(jù)每個圖像創(chuàng)建假的地平面圖像，以及從訓(xùn)練數(shù)據(jù)中學(xué)到的內(nèi)容。然后，發(fā)生器通過來自“鑒別器”(可以訪問真實的地平面視圖)的反饋來學(xué)習(xí)，以產(chǎn)生更準(zhǔn)確的圖像。

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

機器制作的圖像

由此產(chǎn)生的假地面圖像看起來很自然，結(jié)構(gòu)上與真實圖像相似，但當(dāng)然缺乏真實的細(xì)節(jié); 根據(jù)航空數(shù)據(jù)，它們只是對地面視圖的預(yù)測。

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

因此，新的人工智能增強過程可以通過補充農(nóng)村地區(qū)的稀疏圖像庫來使地理學(xué)家的工作變得更加容易，這些圖像庫是他們多年來不得不依賴這種分類工作的。如果沒有自己前往偏遠(yuǎn)地區(qū)并拍攝數(shù)千張照片，這是迄今為止開發(fā)的最準(zhǔn)確的方法。

新技術(shù)能夠在73%的時間內(nèi)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(biāo)是進(jìn)一步提高系統(tǒng)的性能，并探索其他機器學(xué)習(xí)方法。