不少网站防止 BOT 攻击的机制采用 CAPTCHA,要你辨识图像中的数字与文字,从而分辨人类与 BOT。但你知道吗,这些人类顺手之劳的打打字小工作,不少次是帮助 Google 地图做机器学习,辨识街景中出现的门牌与路名。
即便像 Google 这类大量依靠机器学习的公司,仍有不少地方要靠人工去做,要靠大量的人力协助辨识门牌、路名区块中,里面出现的数字或是文字。Google 地图软件工程师 Andrew Lookingbill 表示,不只是 Google 地图采用机器学习的问题,这是整体机器学习技术领域遇到的挑战。长远的目标会是减少涉入的人力,但又不会破坏建立的模型,仍然能用既有模型去跑。
Lookingbill 说采用深度学习处理电脑视觉板题,是相当高难度的事情,街景车每天上街拍摄的照片数量相当庞大,但仍然需要有方式处理。一般人很快就能辨识出门牌及街上路牌上的路名,用深度学习则是挑战。Google 地图采用递归神经网络 (recurrent neural network, RNN),找出街景车拍摄的照片,辨识不同角度照片中出现的路牌资讯,从中截取需要的路名或是门牌资讯。
▲ 尼日利亚的拉哥斯,Google 运用机器学习找出建筑的门牌号码。(Source:科技新报)
商家的店面入口除了店名之外,还有贩售产品资讯、特价优惠等文字。上述资讯也许当地人能找出店家叫什么,但对于机器来说,以及远在天边并不是当地人,训练 AI 的工程师来说,是相当有挑战性的事情。Google 地图团队运用注意力机制 (Attention Mechanism),从街景车拍摄的店面,找出人类视觉集中之处,从而判断店家店名。
▲ 运用递归神经网络 (recurrent neural network, RNN),训练算法辨识不同角度拍的影像,路牌上的路名。(Source:科技新报)
路名常用缩写表示,而对当地人来说,很容易还原完整的路名,但机器就未必了。Lookingbill 说他们会对路名做规范化 (Normalization) 工作,处理路名中的缩写,像是 Av. 代表 Avene,Pres. 则是 President 的缩写。
▲ 运用注意力机制 (Attention Mechanism),模仿人类视觉焦点,从而找出影像中的商家店名。(Source:科技新报)
Lookingbill 还提及 Google 地图整合经机器学习方式绘制的 1.1 亿栋建筑外框,补充说道没有特定加某个地方的建筑,而是看那个地方影像适合他们模型,能得到最好的结果。
▲ Google 运用机器学习,最终加了 1.1 亿建筑到 Google 地图上。(Source:科技新报)
Google 街景车当初推出是相当大的噱头,但如今是喂养 Google 机器学习模型的庞大资料。当被问到街景影像以及卫星图辨识的问题,Lookingbill 说影像如有遮荫,会增加辨识建筑物的困难度。
Lookingbill 谈到用机器学习处理地图资讯,技术本身是其次,而是要怎么将不断变动的现实世界,相关变动反映到地图,而且尽可能缩短地图资料处理时间。更快速的反映现实变化的地图,Lookingbill 说这是他们的团队一直在努力的方向。
(首图来源:科技新报)