Google 於今日（12）舉辦 Google 機器學習系列媒體聚會，本次聚會中邀請了Google 總部的 Google 地圖軟體工程師 Andrew Lookingbill 與現場的媒體，一同分享 Google 地圖近年來是如何結合深度學習與機器學習，來幫助更加完善地圖的資訊。
街景影像結合機器學習模型，建構精準地圖資訊
會中，Andrew 首先介紹了 Google 在深度學習領域中的發展，並且提到這些深度學習的模型與演算法擁有非常多的應用範圍，而 Andrew 的團隊相信，在 Google 地圖上的應用將能把深度學習用於更好的的價值上。
在來，Andrew 介紹了 Google 地圖如何應用深度學習模組，架構出精細的地圖資訊。Andrew 提到，在現實世界中，人們只要看到街景照片，就能夠快速根據照片中的路標、門牌，在腦中建構出該場景，並且繪製出地圖資訊，這是因為人腦已經懂得要在圖片中的哪個位置抓取何種資訊，但這對機器學習和深度學習來說是一項困難的挑戰。
不過，在經過 Andrew 的團隊的努力後，他們成功的訓練出了一套模型，讓機器學習可以自動抓出照片中的路標、門牌，並且將相關資訊繪製到 Google 地圖中，有時候甚至可以做到比人眼更好的事情。
在現場，Andrew 就展示了一張在國外的街景照片，圖片中的大門並沒有門牌，用肉眼乍看之下也很難確認大門編號，然而機器學習模型卻成功的找出了被手寫於牆上的門牌號碼，並且標記於地圖之上，Andrew 說明，這就是機器學習能夠辦到的優化。
辨識衛星空拍圖，自動化建立 1.1 億筆建築資訊
Andrew 表示，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，而 Google 地圖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。
Andrew 透漏，從今年年初開始，Google 地圖已經陸續在地圖上新增了 1.1 億個透過演算法繪製的建築物資訊，大大的完善了在資訊比較不足的地區的地圖精細度。
在這些運算的過程中，Andrew 也坦言，有時遇到圖片或衛星空拍圖有遮蔽物的狀況，會加深辨識的難度，這時他們會嘗試尋求更加清晰的圖片，以求精確的繪製圖形與取得資訊；同時作為品質控管，他們會在不同的區域中，先以小範圍的方式測試、調整演算法，等到確認可以做到高精確度的辨識後，才將演算法套用在該地區的圖片資料中，並生成地圖相關資訊。
Andrew 表示，未來 Google 地圖也有許多期待的應用與規劃，但現階段對他們來說最重要的目標，將是透過目前這些發展出的技術，提高地圖的精準度，以及更加即時的反應地理的變化、降低地圖資訊的延遲。
─ ─
（本文提供合作夥伴轉載，首圖攝影來源：TechOrange 林厚勳 攝影。）
更多你會感興趣的文章
Google 地圖正式支援機車導航，再也不怕被導航騙上國道啦！
聲音藝術家耗時 6 年製作聲音地圖，讓你「聽見台灣」，滿載土地情懷
用「科技」與「超美地圖」完美解決女友最煩人的問題：我們第一次約會在哪？
