Google地圖結合機器學習 新增1.1億個建物

Google 地圖軟體工程師盧金比爾今天說，Google 將機器學習的技術運用在解決 Google 地圖面臨的問題，今年初開始已有 1.1 億個透過演算法繪製的建築物陸續新增至 Google 地圖上。

Google 今天在台北舉辦「Google 機器學習系列媒體聚會 – Google 地圖應用」，邀請盧金比爾（Andrew Lookingbill）透過視訊分享Google如何運用深度學習與街景描繪世界，以及如何運用機器學習自動化產生建築物影像。

盧金比爾說，機器要自動在密密麻麻的都市叢林中辨識出建築物，還要準確在地圖上標示出建築物的俯視平面圖，極具挑戰。Google 透過新的機器學習技術與工具，讓機器學習模型能自動在街景影像中自動尋找建築物，並製作出建築物的俯視平面向量圖。

據他透露，從今年初開始，有 1.1 億個透過演算法繪製的建築物已陸續新增至 Google 地圖上。這 1.1 億個新增建築物並未集中特定區域，因為 Google 追求的是模型精細度，聚焦建築物模型能否提供高品質的資訊。他認為無論運用電腦視覺或機器學習，最主要挑戰是影像可能被遮蔽，需要考慮環境特質。

盧金比爾表示，打造地圖需要街道名稱、門牌等資訊，這些在街景照片中已有涵蓋。雖然人類知道要看何處、看什麼來取得地圖資訊，但如果要寫程式來取得這些資訊，事實上困難重重。對機器學習或電腦而言，真實世界充滿挑戰。

不過，他也指出，Google 發現深度學習技術已有長足進步，可以反映在研究當中。例如可以用遞歸神經網路（Recurrent Neural Network，RNN）、長短期記憶（Long Short Term Memory Network，LSTM）相關模型，將來自同一個標誌或同一條路上不同標誌的資訊加以整合，大幅增進街道名稱的辨識能力。

盧金比爾強調，Google 機器學習為地圖資訊較缺乏的開發中國家帶來許多正面效益，例如 Google 去年透過機器學習的模型與演算法大幅改善奈及利亞拉哥斯城的地圖繪製，包含新增 2 萬條街道名稱、5 萬個地址和 10 萬個新商家資訊。

(中央社)