Нейросеть научилась воссоздавать образ местности по снимку со спутника

Ученые из Калифорнийского университета в Мерседе представили алгоритм, который по снимку со спутника генерирует изображение той или иной местности. Он может помочь географам более точно классифицировать участки земной поверхности.

Принцип работы и данные

Алгоритм основан на генеративно-состязательной сети, в которых генеративная модель создает изображения, а дискриминативная — оценивает их по заданным критериям. По этим оценкам первая сеть учится лучше выполнять свою работу.

Дискриминативная модель ориентировалась на набор, составленный из пар снимков: спутниковых и наземных. Для ее тренировки команда использовала LCM2015 — это карта земной поверхности, охватывающая территорию Соединенного Королевства, а также базу данных Geograph с наземными снимками. Всего удалось составить 16 тысяч пар изображений.

Результаты

Генеративную сеть тестировали на 4 тысячах изображений со спутников. Воссозданные пейзажи получились низкого качества, однако по ним можно определить, к примеру, сельская это местность или городская. Это позволило бы географам сделать процесс классификации земель с использованием спутниковых фото более точным. По подсчетам ученых, их генеративно-состязательная сеть распознает класс местности с точностью в 73 %, а существующий метод интерполяции дает верный результат лишь в 65 % случаев.

Новые методы машинного обучения открывают все больше способов использования спутниковых изображений Земли. К примеру, через сервис Google Earth можно посчитать площадь произвольной области и расстояние между двумя точками, а инженеры MIT создали нейросеть, которая по аэрофотоснимкам автоматически строит дорожные карты.