福州哈唐網(wǎng)絡(luò)3月2日?qǐng)?bào)道：如果隨便給你一張照片，僅憑這張照片本身讓你辨別照片是在什么地方拍攝的，即使對(duì)于一個(gè)經(jīng)驗(yàn)豐富的旅行達(dá)人而言，這都是非常困難的。如果這張照片是著名的地標(biāo)性建筑，例如埃菲爾鐵塔、埃及金字塔或是尼亞加拉大瀑布等地方，你可以一眼就能猜出照片是在哪里拍的。如果照片里面沒(méi)有任何能說(shuō)明地方和位置的線索，或是照片是在室內(nèi)拍的，或照片里是一種寵物或食物，這時(shí)要再想猜出照片是在什么地方拍的，這就變得困難得多了。
不過(guò)人類還是能想盡各種辦法來(lái)完成這項(xiàng)任務(wù)的。他們可以借助照片里的各種信息來(lái)猜出拍照的地點(diǎn)，比如照片里可能出現(xiàn)的語(yǔ)言，植被類型、建筑風(fēng)格、服裝風(fēng)格、車輛靠左行駛還是靠右行駛，等等。這些都是人們的經(jīng)驗(yàn)積累。如果讓機(jī)器來(lái)完成同樣的猜拍照地點(diǎn)的任務(wù)，很多人可能會(huì)覺(jué)得機(jī)器比人類更難完成這項(xiàng)任務(wù)。
然而Google的計(jì)算機(jī)視覺(jué)專家Tobias Weyand和James Philbin與Ilya Kostrikov等工程師卻開(kāi)發(fā)和訓(xùn)練了一個(gè)深度學(xué)習(xí)機(jī)器，它可以通過(guò)分析照片上的像素確定照片的拍攝地點(diǎn)。在辨別照片的拍攝地點(diǎn)方面，這個(gè)新的機(jī)器的表現(xiàn)竟然超過(guò)了人類，更讓人不可思議的是，對(duì)于那些沒(méi)有地理物質(zhì)線索的寵物、食物等照片，它竟然也能辨別出照片的拍攝地點(diǎn)。
這個(gè)機(jī)器究竟是怎么做到的呢？其實(shí)方法也不難，至少在機(jī)器學(xué)習(xí)世界是不難的。Weyand和他的團(tuán)隊(duì)成員將全世界劃分成一個(gè)網(wǎng)格，這個(gè)網(wǎng)格由超過(guò)26000個(gè)不同大小的方塊組成，每個(gè)方塊的大小由在該地點(diǎn)拍攝的照片的數(shù)量決定的，而其中每一個(gè)方塊都代表著一個(gè)具體的地理區(qū)域。所以在拍攝的照片多的大城市，方塊的密度和大小要多余那些偏遠(yuǎn)的地區(qū)。Google的團(tuán)隊(duì)忽略掉了海洋和兩極地區(qū)，因?yàn)槟切┑胤胶苌儆腥伺恼铡?/span>
接下來(lái)，Google的這個(gè)開(kāi)發(fā)團(tuán)隊(duì)利用從互聯(lián)網(wǎng)上的搜集到的各個(gè)地方的照片建立了一個(gè)數(shù)據(jù)庫(kù)，再利用地理位置數(shù)據(jù)將不同的照片歸入相應(yīng)的網(wǎng)格方塊中。整個(gè)數(shù)據(jù)集是非常大的，它一共包含了1.26億張照片和所對(duì)應(yīng)的拍攝地理位置數(shù)據(jù)。
Weyand和他的團(tuán)隊(duì)利用9100萬(wàn)張照片來(lái)打造一個(gè)強(qiáng)大的神經(jīng)網(wǎng)絡(luò)，通過(guò)照片本身就能知道照片的拍攝地點(diǎn)。他們的想法是這樣的：你將一張照片輸入這個(gè)神經(jīng)網(wǎng)絡(luò)后，就可以立刻知道照片的拍攝地點(diǎn)，或是最有可能的拍攝地點(diǎn)的一個(gè)列表。
他們?nèi)缓髸?huì)利用數(shù)據(jù)庫(kù)中剩余的3400萬(wàn)張照片來(lái)驗(yàn)證這個(gè)神經(jīng)網(wǎng)絡(luò)的功能，他們這些將照片與這個(gè)核心網(wǎng)絡(luò)中的照片進(jìn)行比對(duì)，得到識(shí)別結(jié)果。他們將這個(gè)神經(jīng)網(wǎng)絡(luò)命名為PlaNet。
為了進(jìn)一步測(cè)試PlaNet識(shí)別的準(zhǔn)確度，Google的這個(gè)研發(fā)團(tuán)隊(duì)從Flickr中選取了230萬(wàn)張帶有地理標(biāo)記的照片，看PlaNet能否對(duì)這些照片的拍攝地點(diǎn)進(jìn)行準(zhǔn)確識(shí)別。Weyand表示，PlaNet能夠以街道級(jí)精度確定3.6%的照片的拍攝地點(diǎn)；如果從城市級(jí)精確度來(lái)說(shuō)，識(shí)別率提高為10.1%；如果從國(guó)家級(jí)精度來(lái)說(shuō)，識(shí)別的準(zhǔn)確率為28.4%；如果從大洲級(jí)的精確度來(lái)說(shuō)，識(shí)別的準(zhǔn)確率為48%。
這個(gè)識(shí)別結(jié)果看似不理想，但其實(shí)已經(jīng)非常了不起了，PlaNet的表現(xiàn)已經(jīng)略好于人工。為了說(shuō)明這一點(diǎn)，Weyand和他的團(tuán)隊(duì)將PlaNet的識(shí)別結(jié)果和10名見(jiàn)多識(shí)廣的旅行家判斷結(jié)果進(jìn)行了一次比賽。PlaNet判斷的拍攝地點(diǎn)與照片的實(shí)際拍攝地點(diǎn)的平均差距在1131.7公里以內(nèi)，而10名見(jiàn)多識(shí)廣的旅行家判斷的結(jié)果與實(shí)際地點(diǎn)之間的平均差距在2320.75公里以內(nèi)。
“總體而言，PlaNet在50輪人機(jī)比試中勝出了28輪，平均誤差為1131.7公里；人的平均誤差為2320.75公里。這場(chǎng)人機(jī)比賽表面，PlaNet在識(shí)別照片拍攝地點(diǎn)方面的表現(xiàn)已經(jīng)超過(guò)了常人。”Weyand團(tuán)隊(duì)這樣說(shuō)道。
PlaNet在識(shí)別照片拍攝地點(diǎn)方面為什么能表現(xiàn)如此優(yōu)異呢？Weyand表示：“我們認(rèn)為PlaNet比人有優(yōu)勢(shì)，因?yàn)樗?jiàn)過(guò)的地方比任何常人去過(guò)的地方都要多得多，此外，它還能識(shí)別出不同地方景色的細(xì)微差別，即便是那些最喜歡旅游、去過(guò)非常多的地方的旅游達(dá)人也很難看出那些細(xì)微差別。”
此外，Weyand的團(tuán)隊(duì)還利用PlaNet來(lái)定位那些沒(méi)有任何地理位置線索的照片，比如室內(nèi)拍攝的照片或是一些物體的照片，比如貓啊，狗啊。當(dāng)這些照片是在同一個(gè)地方拍的照片的影集的一部分時(shí)，這個(gè)機(jī)器可以通過(guò)辨別影集中其它照片的位置的方式來(lái)辨別這些照片的拍攝地點(diǎn)。
本文來(lái)源：36氪
