量子位 宣布 | 公众年夜众号 QbitAI
这个星球上，还有很多地方没有舆图。
即便是已经有舆图，也会有很多道路没标出来。
光靠人类的话，这项任务还是太费时费力，假如AI能帮忙就好了。
于是，涌现了名叫Map With AI的运用，用深度学习剖析卫星图像，标出道路 (也能标出建筑) 。
△粉赤色的便是AI标注
有了它，人类不用手动画出道路的走向，只要点一下AI标出的路，确认它真是一条路就够了。
运用来自Facebook，团队已经用它补充了泰国超过30万英里缺失落的路。泰国全境一共60万英里路，便标注完全了。
研究职员说，原来须要三五年的事，这次只花了一年半。
LeCun大佬把这个成果发上推特，已有近千人赞许：
那么，道路标注完全很主要么？
举个例子，发生磨难的时候，舆图缺失落道路会严重影响接济事情。以是，还是标注完全的好。
比如，去年印度喀拉拉邦遇上大水，几百万人受灾。Facebook收到乞助，几天内在灾区舆图上增加了大约21500条路，帮助救灾。
不止对泰国和印度有用，团队用弱监督方法演习的AI，在世界各地不同的道路网络上有效泛化。
团队说，这AI有足以商业化的精确度，不过编辑器的代码是开源的。
先来不雅观察一下技能事理吧。
喧华的，才是天下的先容一点点前情：
2004年，天下上出身了叫做OpenStreetMap (开放街道舆图) 的舆图协作操持，简称OSM，内容是开放的，大家皆可编辑。
2013年，又有了名叫“iD”的舆图编辑器，人类可以用它在舆图上标出桥梁和街道。这个工具成了OSM的默认编辑器。
Facebook便是在iD的根本上，用深度学习孕育了RapiD，一个新的编辑器。
编辑器背后的神经网络，叫做DLinkNet-34，有34层。
演习用的数据十分弘大，是用航天技能公司Maxar供应的、环球各地的卫星图像加工而来。
要让神经网络适应各地的道路差异，加工方法非常关键。
实在，泰国项目得出的舆图非常完全，又有领域专家把关，Facebook对泰国舆图数据十分自傲。但用这些数据演习的模型，却在其他地区泛化很差。于是，团队才想了新方法：
借助OSM (开放街道舆图) 系统里现有的数据，筛选出数据准确、数据充足的区域。
详细方法是，把舆图分割成2048×2048大小的图块，每个像素大约代表示实地皮的60公分；然后，把道路标注少于25条的图块都过滤掉。
为了和CVPR 2018举办的DeepGlobe舆图比赛数据集保持同等，团队把余下的图块又截成了1024×1024大小。
终极得到180万个图块，覆盖六大洲70万平方英里 (约180万平方公里) 地皮。比较之下，DeepGlobe数据集只有630平方英里，千分之一不到。
这样一来，就不会像DeepGlobe比赛数据集那样，只包含印度、印尼和泰国这少数几个地区，也不会严重倾向某种特定的地区发展水平。
选出可用的图块后，要把OSM里的道路向量栅格化 (Rasterize) 到5像素，天生分割掩码 (Segmentation Masks) ，便是喧华的标签。
把稳，这和常规操作并不一样，一样平常的语义分割须要完美的标签；可这世上的道路千奇百怪，宽窄不一，形状互异，太完美的标签不易于泛化，喧华反而会有上风。
实验证明，只用喧华的标签，它就可以和DeepGlobe的其他选手起鼓相称。再加一点微调，就成了道路提取的State-of-the-Art。
最主要的是，它在环球范围内泛化得很好，不至于走出泰国便一脸蒙蔽。
为什么还须要人类？
就像开头说的那样，粉赤色是AI识别的道路。
而粉赤色的不同亮度，代表识别的置信度。
既有置信度，便是说AI标注的结果也不一定是精确答案。
有时候，它还是可能认错：比如河床，比如狭长的海滩，比如运河，都是随意马虎稠浊的特色；
其余，路与路之间的连接点，也有可能会被忽略。
于是，团队开源了RapiD编辑器。AI已经给出粉赤色的街道标注，只要点一下，人类就可以确认那是一条路：
比拟之下，它的前辈iD编辑器，每一条路都须要手动画：
有了RapiD，速率可以加快许多。
实在，RapiD是iD的一个扩展，而iD又是OSM默认的编辑器。
以是，RapiD的编辑结果，可以轻松和OSM现有的数据库结合并起来：
有个Conflation功能，供应了如何把新增道路和已有数据结合的建议，也能避免新路把老路抹掉。
△左是AI标注，右是与现有数据结合
人机互助，十分美好。
One More Thing如今，不止泰国的街道舆图完全了，印尼的路也补全到了90%。
除此之外，AI天生的阿富汗、孟加拉国、印度尼西亚、墨西哥、尼日利亚、坦桑尼亚和乌干达街道舆图，都可以在OSM上找到。
这些数据非常宝贵，对各个国家的灾害相应，社区方案，地区经济等等，可能都会有些帮助。
末了一句，有浏览器就可以试玩，听说会有City Skylines的觉得呢。
论文传送门：
https://research.fb.com/publications/building-high-resolution-maps-for-humanitarian-aid-and-development-with-weakly-and-semi-supervised-learning/
GitHub传送门：
https://github.com/facebookincubator/RapiD
博客传送门：
https://ai.facebook.com/blog/mapping-roads-through-deep-learning-and-weakly-supervised-training/
试玩传送门：
https://mapwith.ai/
— 完 —
诚挚招聘
量子位正在招募编辑/，事情地点在北京中关村落。期待有才华、有激情亲切的同学加入我们！
干系细节，请在量子位"大众号(QbitAI)对话界面，回答“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技能和产品新动态