Нейросеть превратила спутниковые снимки в обычные фотографии с земли |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2018-07-06 20:09 Американские исследователи создали нейросеть, которая превращает спутниковые снимки в фотографии той же местности с уровня земли. Разработчики считают, что в будущем алгоритм можно использовать для увеличения эффективности определения покрытия и использования территории по спутниковым снимкам, сообщается в работе, опубликованной на arXiv.org. Обычно для удаленного изучения местности используются спутниковые снимки или даже видеозаписи. Тем не менее, часто они имеют низкое разрешение, а также, как и любые снимки сверху, не так удобны и информативны, как обычные снимки с уровня земли. В качестве решения этой проблемы ученые также используют фотографии из социальных сетей или других сайтов, снабженные геометками, и панорамные снимки с картографических сервисов. Но эти снимки покрывают очень малую долю всей поверхности Земли и распределены неравномерно. Группа исследователей из Университета Калифорнии в Мерседе под руководством Шона Ньюсэма (Shawn Newsam) предположила, что снимки с уровня земли можно синтезировать искусственно на основе снимков той же местности, сделанных с орбиты. Для этого исследователи выбрали генеративно-состязательную нейросеть на основе сверточных нейросетей, состоящую из двух основных элементов — генератора и дискриминатора. Генератор получает в качестве исходных данных вектор, созданный из небольшого фрагмента спутникового снимка, и дополнительный случайный вектор. После этого он создает на основе исходных данных изображение, которое отдается на проверку дискриминатору. Тот сравнивает это изображение с настоящими фотографиями из датасета, сделанными с уровня земли, и определяет, настоящее оно или сгенерированное нейросетью. В результате обе сети постепенно обучаются — генератор, получая оценку от дискриминатора, начинает создавать все более правдоподобные изображения, а дискриминатор учится точнее распознавать синтетические изображения. Кроме того, авторы проверили способность нейросети создавать карту признаков для классификации территории на городскую и сельскохозяйственную. Они модифицировали нейросеть и снова применили для классификации метод опорных векторов. После этого результаты сравнивали с другими классификаторами, которые использовали в качестве исходных данных реальные фотографии, а также интерполировали данные для местности, для которой не было настоящих фотографий. Тесты показали, что классификация с использованием сгенерированных из спутниковых снимков изображений оказалась самой точной и имела точность 73 процента. В прошлом году канадские исследователи использовали генеративно-состязательную нейросеть для воссоздания из спутниковых снимков карты высоты и текстуры местности. А в 2016 году американские исследователи обучили нейросеть поиску бедных регионов на основе снимков со спутника. Григорий Копиев Источник: nplus1.ru Комментарии: |
|