谷歌地圖重大升級(jí) 用深度學(xué)習(xí)實(shí)時(shí)更新街景

雷鋒網(wǎng)AI科技評(píng)論按：每天，谷歌地圖都為成千上百萬的人們提供方位指示，實(shí)時(shí)路況信息以及商業(yè)信息。為了提供最佳的用戶體驗(yàn)，地圖信息需要不斷的根據(jù)現(xiàn)實(shí)世界的變化做出調(diào)整。街景車每天收集數(shù)百萬張圖片，如果用人工分析每天超過800億張高清晰圖片來找出其中的新變化或者更新地圖信息，顯然是不可能的。因此，谷歌地面實(shí)況團(tuán)隊(duì)（Ground Truth team）的目標(biāo)之一，就是從地理位置圖像自動(dòng)提取信息來升級(jí)谷歌地圖。

雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))了解到，在“從街景圖像中提取基于注意機(jī)制的結(jié)構(gòu)化信息”（Attention-based Extraction of Structured Information from Street View Imagery）一文中，谷歌描述了所采用的方法——怎樣在街景視圖中使用深度神經(jīng)網(wǎng)絡(luò)自動(dòng)且準(zhǔn)確無誤地讀出街道名稱。我們的算法系統(tǒng)在挑戰(zhàn)“法國(guó)街道名稱識(shí)別數(shù)據(jù)集”（French Street Name Signs (FSNS) dataset）中達(dá)到了84.2%的正確率，明顯優(yōu)于之前的最優(yōu)系統(tǒng)。重要的是，谷歌的系統(tǒng)在提取其他類型信息也是很容易擴(kuò)展的。比如現(xiàn)在幫助谷歌自動(dòng)提取商店前面的商戶名稱。目前該模型已經(jīng)開源。

圖中為法國(guó)街道名稱標(biāo)識(shí)數(shù)據(jù)集中的一個(gè)例子，被谷歌的系統(tǒng)正確識(shí)別。上圖為同一標(biāo)識(shí)的四種不同視角

自然環(huán)境中的文本識(shí)別在計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)上是一個(gè)非常具有挑戰(zhàn)性的問題。傳統(tǒng)的光學(xué)字符識(shí)別（OCR）系統(tǒng)主要側(cè)重于從掃描的文檔中提取文本。在自然場(chǎng)景中由于視覺偽影，如失真、閉塞、定向模糊、雜亂的背景或不同的角度給提取文本提升了難度。谷歌從2008年開始致力于解決這一問題，使用神經(jīng)網(wǎng)絡(luò)模糊了街景圖像中的臉和車牌，以保護(hù)谷歌用戶的隱私。從最初的研究中，團(tuán)隊(duì)意識(shí)到經(jīng)過足夠的標(biāo)記數(shù)據(jù)訓(xùn)練后，機(jī)器學(xué)習(xí)不僅能保護(hù)用戶的隱私，而且還可以自動(dòng)升級(jí)谷歌地圖相關(guān)的最新信息。

2014年谷歌地面實(shí)況團(tuán)隊(duì)在街景門牌號(hào)數(shù)據(jù)集（SVHN）上公布了讀取街道號(hào)碼的方法，隨后暑期實(shí)習(xí)生Ian Goodfellow（現(xiàn)為谷歌員工）進(jìn)行了運(yùn)用。這個(gè)工作不僅是出于對(duì)學(xué)術(shù)的興趣，而且也是使谷歌地圖更為精確的關(guān)鍵。如今得益于這個(gè)系統(tǒng)，超過三分之一的全球地址已經(jīng)在谷歌地圖上有了自己的位置。在一些國(guó)家，如巴西，這個(gè)算法增加了超過90%的谷歌地圖地址，大大提高了谷歌地圖的可用性。

下一步是將這些技術(shù)擴(kuò)展到街道名稱。為了解決這個(gè)問題，谷歌創(chuàng)建和發(fā)布了法國(guó)街道名稱標(biāo)志（French Street Name Signs，F(xiàn)SNS），有超過100萬的街道名稱訓(xùn)練數(shù)據(jù)集，旨在提高人們對(duì)OCR模型在實(shí)際使用情況下的認(rèn)識(shí)。FSNS是谷歌經(jīng)過多年的努力而構(gòu)建的，它比SVHN數(shù)據(jù)集更加龐大，也更具挑戰(zhàn)性，因?yàn)槿绻獪?zhǔn)確識(shí)別某個(gè)街道標(biāo)識(shí)，可能需要對(duì)各個(gè)角度所拍攝的圖片進(jìn)行整合處理。

上圖是識(shí)別起來很有難度的一些標(biāo)識(shí)，也被谷歌系統(tǒng)通過對(duì)圖像的理解而正確判斷了。尤其是第二個(gè)，不過這個(gè)模型在之前學(xué)習(xí)了語(yǔ)言模型，使其能夠消除歧義，并正確識(shí)別出街道名。值得一提的是，在FSNS數(shù)據(jù)集中，同一路標(biāo)在少于四個(gè)獨(dú)立視圖的情況下會(huì)以增加隨機(jī)噪聲的方式。

谷歌實(shí)習(xí)生Zbigniew Wojnazai在2016年夏天用這個(gè)數(shù)據(jù)集開發(fā)了一個(gè)深度學(xué)習(xí)模型，它能夠自動(dòng)標(biāo)注新的街景視圖。這個(gè)新模型的一個(gè)優(yōu)點(diǎn)是，它可以根據(jù)日常的命名習(xí)慣進(jìn)行文本規(guī)范。

上圖的例子中，可以將"AV."轉(zhuǎn)化為"Avenida"，"PRES."轉(zhuǎn)化為“Presidente”這是我們期望看到的結(jié)果

在這個(gè)圖中，模型沒有被圖中的兩個(gè)街道名稱迷惑，將"Av"正確轉(zhuǎn)化為"Avenue",同時(shí)也識(shí)別出了數(shù)字"1600"

盡管這個(gè)模型非常精確，它依然有15.8%的序列錯(cuò)誤率。不過，在分析錯(cuò)誤樣本后，團(tuán)隊(duì)發(fā)現(xiàn)，其中48%是由于地面實(shí)況錯(cuò)誤，也就是說，模型與標(biāo)記質(zhì)量呈現(xiàn)的準(zhǔn)確度基本一致。（在我們的論文中有詳細(xì)的錯(cuò)誤率分析）

這個(gè)新系統(tǒng)結(jié)合了提取街道號(hào)碼技術(shù)，使我們能夠直接從圖像創(chuàng)建新的地址。現(xiàn)在，每當(dāng)一輛街景車在新建的道路上行駛時(shí)，我們的系統(tǒng)可以捕捉上千萬張圖像，提取街道名稱和數(shù)字，并自動(dòng)在谷歌地圖上創(chuàng)建和定位新地址。

但自動(dòng)為谷歌地圖創(chuàng)建地址是不夠的。此外，我們還希望能夠?yàn)樯虡I(yè)提供導(dǎo)航。在2015，我們發(fā)表了“從街景圖像中進(jìn)行大規(guī)模的商業(yè)發(fā)現(xiàn)”（Large Scale Business Discovery from Street View Imagery）一文，文中提出了一種方法可以準(zhǔn)確地檢測(cè)商店外墻的標(biāo)志。然而，檢測(cè)到商店外墻，仍然需要準(zhǔn)確地提取它的有用名稱。模型必須找出哪個(gè)文本是商戶名稱，哪些文本是不相關(guān)的。谷歌稱這種提取為“結(jié)構(gòu)化文本”信息的提取。它不只是文字，而是具有語(yǔ)義意義的文本。

使用不同的訓(xùn)練數(shù)據(jù)，我們用來讀取街道名稱的模型結(jié)構(gòu)也可以用來準(zhǔn)確地提取商業(yè)名稱。在這種特殊情況下，如果我們已經(jīng)知道這個(gè)商戶在谷歌地圖的位置，可以只提取商業(yè)名稱來進(jìn)行驗(yàn)證，使之能夠更準(zhǔn)確地更新商業(yè)列表。

如上圖所示，雖然沒有從圖片中獲得任何有關(guān)真實(shí)地址的信息，但系統(tǒng)還是正確識(shí)別出了商戶的名字Zelina Pneus，而且沒有被旁邊的輪胎品牌所騙。

模型需要處理800多億個(gè)街景圖像，需要強(qiáng)大的計(jì)算能力。這就是為什么谷歌地面實(shí)況團(tuán)隊(duì)采用TPU，可以大幅減少我們的推理計(jì)算成本。

人們依賴于谷歌地圖的精準(zhǔn)性來協(xié)助他們工作和生活。同時(shí)，在景觀、道路和商業(yè)不斷變化的情況下，谷歌地圖的更新所面臨的技術(shù)挑戰(zhàn)，遠(yuǎn)遠(yuǎn)還沒有解決。為超過十億的谷歌地圖用戶創(chuàng)造更好的用戶體驗(yàn)，一直是谷歌地面實(shí)況團(tuán)隊(duì)追求的目標(biāo)。

雷鋒網(wǎng)AI科技評(píng)論按：每天，谷歌地圖都為成千上百萬的人們提供方位指示，實(shí)時(shí)路況信息以及商業(yè)信息。為了提供最佳的用戶體驗(yàn)，地圖信息需要不斷的根據(jù)現(xiàn)實(shí)世界的變化做出調(diào)整。街景車每天收集數(shù)百萬張圖片，如果用人工分析每天超過800億張高清晰圖片來找出其中的新變化或者更新地圖信息，顯然是不可能的。因此，谷歌地面實(shí)況團(tuán)隊(duì)（Ground Truth team）的目標(biāo)之一，就是從地理位置圖像自動(dòng)提取信息來升級(jí)谷歌地圖。

雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))了解到，在“從街景圖像中提取基于注意機(jī)制的結(jié)構(gòu)化信息”（Attention-based Extraction of Structured Information from Street View Imagery）一文中，谷歌描述了所采用的方法——怎樣在街景視圖中使用深度神經(jīng)網(wǎng)絡(luò)自動(dòng)且準(zhǔn)確無誤地讀出街道名稱。我們的算法系統(tǒng)在挑戰(zhàn)“法國(guó)街道名稱識(shí)別數(shù)據(jù)集”（French Street Name Signs (FSNS) dataset）中達(dá)到了84.2%的正確率，明顯優(yōu)于之前的最優(yōu)系統(tǒng)。重要的是，谷歌的系統(tǒng)在提取其他類型信息也是很容易擴(kuò)展的。比如現(xiàn)在幫助谷歌自動(dòng)提取商店前面的商戶名稱。目前該模型已經(jīng)開源。

圖中為法國(guó)街道名稱標(biāo)識(shí)數(shù)據(jù)集中的一個(gè)例子，被谷歌的系統(tǒng)正確識(shí)別。上圖為同一標(biāo)識(shí)的四種不同視角

自然環(huán)境中的文本識(shí)別在計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)上是一個(gè)非常具有挑戰(zhàn)性的問題。傳統(tǒng)的光學(xué)字符識(shí)別（OCR）系統(tǒng)主要側(cè)重于從掃描的文檔中提取文本。在自然場(chǎng)景中由于視覺偽影，如失真、閉塞、定向模糊、雜亂的背景或不同的角度給提取文本提升了難度。谷歌從2008年開始致力于解決這一問題，使用神經(jīng)網(wǎng)絡(luò)模糊了街景圖像中的臉和車牌，以保護(hù)谷歌用戶的隱私。從最初的研究中，團(tuán)隊(duì)意識(shí)到經(jīng)過足夠的標(biāo)記數(shù)據(jù)訓(xùn)練后，機(jī)器學(xué)習(xí)不僅能保護(hù)用戶的隱私，而且還可以自動(dòng)升級(jí)谷歌地圖相關(guān)的最新信息。

2014年谷歌地面實(shí)況團(tuán)隊(duì)在街景門牌號(hào)數(shù)據(jù)集（SVHN）上公布了讀取街道號(hào)碼的方法，隨后暑期實(shí)習(xí)生Ian Goodfellow（現(xiàn)為谷歌員工）進(jìn)行了運(yùn)用。這個(gè)工作不僅是出于對(duì)學(xué)術(shù)的興趣，而且也是使谷歌地圖更為精確的關(guān)鍵。如今得益于這個(gè)系統(tǒng)，超過三分之一的全球地址已經(jīng)在谷歌地圖上有了自己的位置。在一些國(guó)家，如巴西，這個(gè)算法增加了超過90%的谷歌地圖地址，大大提高了谷歌地圖的可用性。

下一步是將這些技術(shù)擴(kuò)展到街道名稱。為了解決這個(gè)問題，谷歌創(chuàng)建和發(fā)布了法國(guó)街道名稱標(biāo)志（French Street Name Signs，F(xiàn)SNS），有超過100萬的街道名稱訓(xùn)練數(shù)據(jù)集，旨在提高人們對(duì)OCR模型在實(shí)際使用情況下的認(rèn)識(shí)。FSNS是谷歌經(jīng)過多年的努力而構(gòu)建的，它比SVHN數(shù)據(jù)集更加龐大，也更具挑戰(zhàn)性，因?yàn)槿绻獪?zhǔn)確識(shí)別某個(gè)街道標(biāo)識(shí)，可能需要對(duì)各個(gè)角度所拍攝的圖片進(jìn)行整合處理。

上圖是識(shí)別起來很有難度的一些標(biāo)識(shí)，也被谷歌系統(tǒng)通過對(duì)圖像的理解而正確判斷了。尤其是第二個(gè)，不過這個(gè)模型在之前學(xué)習(xí)了語(yǔ)言模型，使其能夠消除歧義，并正確識(shí)別出街道名。值得一提的是，在FSNS數(shù)據(jù)集中，同一路標(biāo)在少于四個(gè)獨(dú)立視圖的情況下會(huì)以增加隨機(jī)噪聲的方式。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。