Editor Top
El equipo de IA de Microsoft Maps ha detectado 47,8 millones de kilómetros de todos los caminos y 1,16 millones de kilómetros de carreteras faltantes de Open Street Maps (OSM). Estas nuevas carreteras se detectaron utilizando imágenes de Bing Maps recopiladas entre 2020 y 2022, incluidas fuentes de Maxar y Airbus. El conjunto completo de carreteras ahora está disponible para los usuarios de Bing Maps, pero también se comparte en Github con la comunidad de datos abiertos y está disponible gratuitamente para su descarga y uso bajo el Licencia de base de datos abierta de Open Data Commons (ODbL).
¿Cómo lo hicieron?
Usando un Arquitectura de red neuronal y conjunto de datos, por supuesto! La red del equipo de Microsoft Maps AI se basó en UNet y ResNet y los siguientes documentos [U-Net] (https://arxiv.org/abs/1505.04597), [Res U-Net] (https://arxiv.org/pdf/1512.03385.pdf), [Res U-Net] (https://arxiv.org/pdf/1711.10684.pdf). El modelo se entrenó con el kit de herramientas de Keras con imágenes de 512×512 de Bing Maps, es totalmente convolucional, lo que permite que imágenes de cualquier tamaño (que son divisibles por 64) sean procesadas por el modelo (restringido a 1088×1088 con resolución de 100 cm/píxel por GPU (unidad de procesamiento de gráficos) memoria en este caso). El conjunto de datos constaba de 20k imágenes satelitales etiquetadas que cubrían diversas áreas en todo el mundo. Para lograr una buena representación del set, también se enriqueció el set con muestras de diversas áreas que incluían montañas, glaciares, bosques, desiertos, playas, costas, etc.
Una vez entrenado el modelo, se realizó la extracción de la vía en cuatro etapas
- Segmentación semántica: reconocimiento de píxeles de la carretera en la imagen aérea mediante la red neuronal convolucional (CNN).
- Generación de geometría: una serie de algoritmos y procesos que transforman la salida de la segmentación semántica en carreteras en formato de geometría.
- Postprocesamiento de imágenes
- Adelgazamiento
- mejora de la conectividad
- Construcción de grafos;
- Finalización de las formas de las carreteras y la calidad de la red
- Unión de carreteras entre imágenes vecinas (cuando sea necesario)
- Combinación y corte: excluyendo carreteras y partes de carreteras que ya existen en la red de carreteras (OSM).
- Clasificación: un clasificador para filtrar carreteras de baja confianza y predecir un tipo de carretera.
¿Cómo sabemos si es bueno?
El equipo de IA de Microsoft Maps midió métricas de etapa intermedia para realizar un seguimiento del rendimiento de los modelos. Esto se centró en las medidas métricas de píxeles para el rendimiento de la red neuronal convolucional y Métrica APLS (similitud de longitud de ruta promedio) para medir la conectividad general de la carretera después de la etapa de generación de la geometría de la carretera.
Métrico
|
Precisión
|
Recuerdo
|
|---|---|---|
| píxel | 85,24% | 82,81% |
| APL | 87,53% | 79,33% |
Los datos OSM «faltantes» pasaron por un clasificador final para garantizar que la precisión sea de al menos el 95%. Después de que los clasificadores filtraron las carreteras potencialmente malas, se volvió a medir la precisión y se aseguró de que sea del 95 % antes de publicar los resultados.
¿Qué significa esto para el futuro?
La antigüedad de los caminos depende de la antigüedad de las imágenes subyacentes. Como Bing Maps Imagery es una combinación de múltiples fuentes, es difícil saber las fechas exactas de los datos individuales, pero el equipo de IA de Microsoft Maps ahora está conectado a la tubería de actualización directa de imágenes para Bing Maps, por lo que continuará refinando y actualizando este conjunto de datos. a medida que se adquieren nuevas imágenes.
¿Cómo se pueden utilizar estos datos?
Este conjunto de datos de la red de carreteras es útil para una variedad de aplicaciones diferentes. Tener un mapa preciso de caminos rurales y urbanos es una condición necesaria para una planificación efectiva a largo plazo y puede ahorrar tiempo y recursos valiosos que de otro modo se habrían utilizado para evaluar las opciones de acceso a áreas remotas.
Una de las aplicaciones más populares de nuestros datos de IA de Microsoft Maps, tanto estas nuevas carreteras como las huellas de edificios, se puede ver en OpenStreetMap. Él Equipo humanitario de OpenStreetMap está colaborando efectivamente en la identificación de áreas potencialmente vulnerables con el uso de datos de la red de carreteras. Una vez que se mapean y verifican las áreas identificadas, las organizaciones humanitarias pueden actuar rápidamente en momentos de necesidad.
¿En qué formato se almacenan los datos?
Se puede acceder fácilmente a la huella de construcción de Microsoft y a los datos de nuevas carreteras en el formato GeoJson, que se usa comúnmente para codificar una variedad de datos geográficos diferentes. Se ha elegido este formato de archivo debido a su compacidad en relación con otros formatos XML, así como a su fácil lectura. Por ejemplo, aquí hay un archivo GeoJson con Nueva York como punto de referencia.
{
"type": "FeatureCollection",
"features": [
{
"type": "Feature",
"geometry": {
"type": "Point",
"coordinates": [-74.006393, 40.714172]
},
"properties": {
"name": "New York",
"description": "New York"
}
}
]
}
¿Dónde puedo encontrar más información sobre Bing Maps?
Simplemente diríjase a Microsoft.com/maps para comenzar y crear un Clave API de mapas de Bing para descubrir más aplicaciones de nuestros datos de ubicación y comenzar hoy con una experiencia de mapeo fácil de usar para desarrolladores.
