推特900贊：開源AI畫出超準(zhǔn)街道地圖，全球適用，刷新DeepGlobe最好成績(jī)

栗子 發(fā)自 麥蒿寺

量子位 報(bào)道 | 公眾號(hào) QbitAI

這個(gè)星球上，還有很多地方?jīng)]有地圖。

即便是已經(jīng)有地圖，也會(huì)有很多道路沒標(biāo)出來。

光靠人類的話，這項(xiàng)任務(wù)還是太費(fèi)時(shí)費(fèi)力，要是AI能幫忙就好了。

于是，出現(xiàn)了名叫Map With AI的應(yīng)用，用深度學(xué)習(xí)分析衛(wèi)星圖像，標(biāo)出道路 (也能標(biāo)出建筑) 。

有了它，人類不用手動(dòng)畫出道路的走向，只要點(diǎn)一下AI標(biāo)出的路，確認(rèn)它真是一條路就夠了。

應(yīng)用來自Facebook，團(tuán)隊(duì)已經(jīng)用它填補(bǔ)了泰國超過30萬英里缺失的路。泰國全境一共60萬英里路，便標(biāo)注完整了。

研究人員說，原本需要三五年的事，這次只花了一年半。

LeCun大佬把這個(gè)成果發(fā)上推特，已有近千人贊許：

那么，道路標(biāo)注完整很重要么？

舉個(gè)例子，發(fā)生災(zāi)害的時(shí)候，地圖缺失道路會(huì)嚴(yán)重影響救援工作。所以，還是標(biāo)注完整的好。

比如，去年印度喀拉拉邦遇上洪水，幾百萬人受災(zāi)。Facebook收到求助消息，幾天內(nèi)在災(zāi)區(qū)地圖上增加了大約21500條路，幫助救災(zāi)。

不止對(duì)泰國和印度有用，團(tuán)隊(duì)用弱監(jiān)督方法訓(xùn)練的AI，在世界各地不同的道路網(wǎng)絡(luò)上有效泛化。

團(tuán)隊(duì)說，這AI有足以商業(yè)化的精確度，不過編輯器的代碼是開源的。

先來觀察一下技術(shù)原理吧。

嘈雜的，才是世界的

介紹一點(diǎn)點(diǎn)前情：

2004年，世界上誕生了叫做OpenStreetMap (開放街道地圖) 的地圖協(xié)作計(jì)劃，簡(jiǎn)稱OSM，內(nèi)容是開放的，人人皆可編輯。

2013年，又有了名叫“iD”的地圖編輯器，人類可以用它在地圖上標(biāo)出橋梁和街道。這個(gè)工具成了OSM的默認(rèn)編輯器。

Facebook便是在iD的基礎(chǔ)上，用深度學(xué)習(xí)孕育了RapiD，一個(gè)新的編輯器。

編輯器背后的神經(jīng)網(wǎng)絡(luò)，叫做DLinkNet-34，有34層。

訓(xùn)練用的數(shù)據(jù)十分龐大，是用航天技術(shù)公司Maxar提供的、全球各地的衛(wèi)星圖像加工而來。

要讓神經(jīng)網(wǎng)絡(luò)適應(yīng)各地的道路差異，加工方法非常關(guān)鍵。

其實(shí)，泰國項(xiàng)目得出的地圖非常完整，又有領(lǐng)域?qū)＜野殃P(guān)，F(xiàn)acebook對(duì)泰國地圖數(shù)據(jù)十分自信。但用這些數(shù)據(jù)訓(xùn)練的模型，卻在其他地區(qū)泛化很差。于是，團(tuán)隊(duì)才想了新方法：

借助OSM (開放街道地圖) 系統(tǒng)里現(xiàn)有的數(shù)據(jù)，篩選出數(shù)據(jù)準(zhǔn)確、數(shù)據(jù)充足的區(qū)域。

具體方法是，把地圖分割成2048×2048大小的圖塊，每個(gè)像素大約代表實(shí)際土地的60公分；然后，把道路標(biāo)注少于25條的圖塊都過濾掉。

為了和CVPR 2018舉辦的DeepGlobe地圖比賽數(shù)據(jù)集保持一致，團(tuán)隊(duì)把余下的圖塊又截成了1024×1024大小。

最終得到180萬個(gè)圖塊，覆蓋六大洲70萬平方英里?(約180萬平方公里) 土地。相比之下，DeepGlobe數(shù)據(jù)集只有630平方英里，千分之一不到。

這樣一來，就不會(huì)像DeepGlobe比賽數(shù)據(jù)集那樣，只包含印度、印尼和泰國這少數(shù)幾個(gè)地區(qū)，也不會(huì)嚴(yán)重偏向某種特定的地區(qū)發(fā)展水平。

選出可用的圖塊后，要把OSM里的道路向量柵格化?(Rasterize) 到5像素，生成分割掩碼 (Segmentation Masks) ，就是嘈雜的標(biāo)簽。

注意，這和常規(guī)操作并不一樣，一般的語義分割需要完美的標(biāo)簽；可這世上的道路千奇百怪，寬窄不一，形狀各異，太完美的標(biāo)簽不易于泛化，嘈雜反而會(huì)有優(yōu)勢(shì)。

實(shí)驗(yàn)證明，只用嘈雜的標(biāo)簽，它就可以和DeepGlobe的其他選手起鼓相當(dāng)。再加一點(diǎn)微調(diào)，就成了道路提取的State-of-the-Art。

最重要的是，它在全球范圍內(nèi)泛化得很好，不至于走出泰國便一臉蒙蔽。

為什么還需要人類？

就像開頭說的那樣，粉紅色是AI識(shí)別的道路。

而粉紅色的不同亮度，代表識(shí)別的置信度。

既有置信度，就是說AI標(biāo)注的結(jié)果也不一定是正確答案。

有時(shí)候，它還是可能認(rèn)錯(cuò)：比如河床，比如狹長(zhǎng)的海灘，比如運(yùn)河，都是容易混淆的特征；

另外，路與路之間的連接點(diǎn)，也有可能會(huì)被忽略。

于是，團(tuán)隊(duì)開源了RapiD編輯器。AI已經(jīng)給出粉紅色的街道標(biāo)注，只要點(diǎn)一下，人類就可以確認(rèn)那是一條路：

對(duì)比之下，它的前輩iD編輯器，每一條路都需要手動(dòng)畫：

有了RapiD，速度可以加快許多。

其實(shí)，RapiD是iD的一個(gè)擴(kuò)展，而iD又是OSM默認(rèn)的編輯器。

所以，RapiD的編輯結(jié)果，可以輕松和OSM現(xiàn)有的數(shù)據(jù)庫結(jié)合并起來：

有個(gè)Conflation功能，提供了如何把新增道路和已有數(shù)據(jù)結(jié)合的建議，也能避免新路把老路抹掉。

人機(jī)合作，十分美好。

One More Thing

如今，不止泰國的街道地圖完整了，印尼的路也補(bǔ)全到了90%。

除此之外，AI生成的阿富汗、孟加拉國、印度尼西亞、墨西哥、尼日利亞、坦桑尼亞和烏干達(dá)街道地圖，都可以在OSM上找到。

這些數(shù)據(jù)非常寶貴，對(duì)各個(gè)國家的災(zāi)難響應(yīng)，社區(qū)規(guī)劃，地區(qū)經(jīng)濟(jì)等等，可能都會(huì)有些幫助。

最后一句，有瀏覽器就可以試玩，據(jù)說會(huì)有City Skylines的感覺呢。

論文傳送門：

https://research.fb.com/publications/building-high-resolution-maps-for-humanitarian-aid-and-development-with-weakly-and-semi-supervised-learning/

GitHub傳送門：

https://github.com/facebookincubator/RapiD

博客傳送門：

https://ai.facebook.com/blog/mapping-roads-through-deep-learning-and-weakly-supervised-training/

試玩?zhèn)魉烷T：

https://mapwith.ai/

— 完 —