亚马逊与中央情报局欲让AI学会从太空观察地球

为何无法从高空通过计算机视觉自动绘制包含道路、建筑和垃圾堆的地球地图呢？而DigitalGlobe，这家专业的卫星经营公司正联合亚马逊、中央情报局（CIA）风投部门以及芯片制造商Nvidia共同挑战这一难题。

在的一项联合项目中，DigitalGlobe发布了里约热内卢整座城市的高分辨率卫星航拍图像，清晰度高达50厘米。在这张详尽的地图上，大约1900平方公里的城市范围内，超过20万座建筑的轮廓线都被精确描绘出来。这些数据集被命名为SpaceNet，并被用于训练机器学习算法，让机器能够将航拍图像自动转化为图形数据。

DigitalGlobe透露，SpaceNet数据集最终将覆盖地球上50万平方公里的高分辨率航拍图像，并将在数据中加入更多标注信息。这些数据的详细程度远超NASA等组织在网上发布的航拍数据，后者的分辨率通常只有大约10米。亚马逊将在其云计算服务中发布SpaceNet数据，而Nvidia则为机器学习研究者提供工具，帮助他们进行算法训练和测试。CIA的风投部门In-Q-Tel的宇宙空间分支机构CosmiQ Works也在为这个项目提供支持。

DigitalGlobe资深副总裁Tony Frazier表示：“我们需要开发出处理这类数据的新算法。”该公司的四个航拍卫星为美国情报机关、人道主义机构等提供数据。目前，从这些图像中提取所需数据的工作主要依赖人工完成。但随着新算法的开发和应用，未来许多任务都可以由训练过的软件自动完成，包括绘制棚户区的道路和建筑、追踪城市公共设施的变化以及识别建筑和其他构筑物的屋顶材质等。这些信息不仅具有商业价值，还有助于医疗救助项目。

Data Science创业公司Descartes Labs的CEO Mark Johnson预测，这些新数据将受到创业者和研究者的热烈欢迎。他指出，这些数据可以用于预测城市区域的经济产出，帮助城市改善垃圾处理和运输等服务。SpaceNet数据将在ImageNet中进行标注建模。这是一个拥有超过百万张标注图片的库，多年来一直被用于支持计算机视觉研究，包括最近让图片识别技术突飞猛进的研究。Google和Facebook等公司的图片识别技术最早就是在ImageNet上进行测试的，相信SpaceNet数据的加入将为其带来新的突破。