Li Lin derleyin ve organize edin
QbitAI tarafından üretilen Qubit
Descartes Labs adlı bir başlangıç şirketi bugün GeoVisual arama sistemini piyasaya sürdü ve herkesin Uydu görüntülerinden tüm önemli noktaları arayın Rüzgar türbinleri, güneş çiftlikleri, bacalar, üst geçitler, stadyumlar ve hatta mısır tarlaları gibi ...
Bu girişim ABD, New Mexico'da bulunuyor. Ana işleri, kurumsal dünyaya, akademi dünyasına ve hükümete yapay zeka tabanlı uydu görüntü analizi hizmetleri sağlamaktır.
Ancak bugün yayınlanan GeoVisual, Amerika Birleşik Devletleri ile sınırlı değildir.Bu sistem, Amerika Birleşik Devletleri'nde Aerial Imagery (NAIP), Çin'de PlanetScope ve dünyada Landsat 8 olmak üzere 3 uydu görüntüsü veri setinde arama yapabilmektedir.
Yukarıda bahsedilen önemli binalara ek olarak, uydu haritasındaki bir alanı tıklamanız yeterlidir; sistem otomatik olarak benzer özelliklere sahip diğer konumları arayacaktır. Bununla birlikte, özellikler ne kadar belirgin olursa, arama sonuçları o kadar doğru olur. Örneğin, üst geçit açıkça mısırdan daha iyidir Yargılamak çok daha kolay.
Mark Johnson, CEO ve Descartes Labs'ın kurucu ortağı
Bu sistemi ilk gördüğümde, kübit çok havalı geliyor ... İkinci bakışta, hafta sonu bahsettiğim Stupid Hackathon'u ve AV'yi izledikten sonra size anlatacağım yapay zekayı birden hatırladım ... Ancak Descartes Lab CEO'su Mark Jhonson öyle değil. İnanın, müşterilerine GeoVisual aramayı tanıttıklarında, "müşteriler çok heyecanlandı ve jeo-uzamsal görüntüleri ve makine zekasını kendi işlerinde kullanmak için nasıl birleştirecekleri konusunda beyin fırtınası yapmaya başladı" dedi.
Johnson, Carnegie Mellon Üniversitesi'ndeki bir ekibin daha önce benzer bir arama aracı geliştirdiğini, ancak ABD'deki yalnızca yedi şehri arayabildiğini söyledi. Ancak, sadece San Francisco'da arama yapmanın bağımlılık yapmadığını hissediyor, bu kadar küçük bir şehir için tüm dünyayı araştırmak güzel olurdu.
Peki, bu aramayı küresel uydu görüntülerinde nasıl yapıyorsunuz?
İlk adım, üç veri setine karşılık gelen Amerika Birleşik Devletleri, Çin ve dünyanın haritalarını küçük parçalara ayırmaktır;
İkinci adım, her küçük blok arasındaki benzerliği puanlamak için sinir ağını kullanmaktır;
Üçüncü adımda, kullanıcı arama yapmak için küçük bir görsel parçasına tıkladığında, benzerlik puanı yüksek olan diğer küçük parçalar kendisine iade edilir.
Şu anda, bu sistem uygun sonuçları bulabilir ve verileri çok hızlı bir şekilde döndürebilir.Tek sorun, bazen benzer görünen ancak aynı türden binalardan olmayan bir grup resmi döndüren çok sayıda yanlış pozitif çıkmasıdır. Bununla birlikte, yanlış pozitiflerin seviyesi, aradığınız şeye de bağlıdır: Daha önce de belirtildiği gibi, mısır tarlalarında arama yapmak, yanlış sonuçlar almak kesinlikle üst geçitlerden daha kolaydır.
Yanlış pozitiflerle ilgili olarak Johnson hiçbir şey hissetmiyor, sadece bir şeyi önemsiyor: Umarım insanlar bu aracı gezegen için iyi bir şey yapmak için kullanabilir ve kötü şeyler yapmazlar.
Yapay zekanın bugün hangi büyük haberi var?
QbitAI genel hesap görüşmesi arayüzünde yanıtla " Şu günlerde "Ağın tamamından toplanan yeni AI bilgilerimize bakın. Kalbi karşılaştırıyoruz ~