Google मानचित्र गहराई से सीखने और सड़क दृश्य के माध्यम से अद्यतन करता है

हर दिन Google मानचित्र उपयोगी मार्ग बनाते हैं, लाखों लोगों के लिए ट्रैफ़िक जाम और वाणिज्यिक संगठनों के बारे में जानकारी प्रदान करते हैं। हमारे उपयोगकर्ताओं को अधिक आरामदायक होने के लिए, इस जानकारी को वास्तविक समय में बदलती दुनिया को प्रतिबिंबित करना चाहिए। स्ट्रीट व्यू कारें प्रतिदिन लाखों छवियां एकत्र करती हैं, और Google मानचित्र पर प्लेसमेंट के लिए उपयुक्त नई या अद्यतन जानकारी प्राप्त करने के लिए आज एकत्रित की गई 80 बिलियन से अधिक उच्च-रिज़ॉल्यूशन वाली छवियों का मैन्युअल रूप से विश्लेषण करना असंभव है। ग्राउंड ट्रुथ टीम का एक लक्ष्य Google मैप्स को बढ़ाने के लिए भू-संदर्भित चित्रों से स्वचालित रूप से जानकारी निकालना है।

कागज में " ध्यान एल्गोरिदम का उपयोग करते हुए स्ट्रीट व्यू इमेज डेटाबेस से संरचित जानकारी को निकालते हुए ", हमने एक गहन तंत्रिका नेटवर्क का उपयोग करके विभिन्न देशों के स्ट्रीट व्यू तस्वीरों में सड़क के नामों की सटीक स्वचालित पहचान के लिए हमारे दृष्टिकोण का वर्णन किया। हमारे एल्गोरिथ्म ने जटिल फ्रेंच स्ट्रीट नेम साइन्स (FSNS) डेटासेट पर 84.2% सटीकता दिखाई दी, और इस क्षेत्र में पिछले नेताओं से काफी आगे थे। क्या महत्वपूर्ण है, हमारा सिस्टम आसानी से स्ट्रीट व्यू फ़ोटो से अन्य प्रकार की जानकारी निकालने के लिए तराजू करता है, और अब यह हमें वाणिज्यिक उद्यमों के संकेतों को स्वचालित रूप से पहचानने में मदद करता है। और हमें यह घोषणा करते हुए खुशी हो रही है कि यह मॉडल सार्वजनिक क्षेत्र में है !


सड़क के नाम का एक उदाहरण सिस्टम द्वारा सफलतापूर्वक मान्यता प्राप्त है। एक और एक ही चिह्न को कई फ़ोटो द्वारा दर्शाया जा सकता है, 4 टुकड़े तक।

एक प्राकृतिक वातावरण में पाठ को पहचानना कंप्यूटर दृष्टि और मशीन सीखने के लिए एक मुश्किल काम है। पारंपरिक चरित्र पहचान प्रणाली (OCR) का उपयोग स्कैन किए गए दस्तावेज़ों से पाठ निकालने के लिए किया जाता है, और दृश्य तस्वीरों, विरूपण, बाधा, धुंधलापन, जटिल पृष्ठभूमि या अलग-अलग दृष्टिकोणों के कारण सड़क फ़ोटो से प्राप्त पाठ को पहचानना अधिक कठिन होता है। इन शोध समस्याओं को हल करने के हमारे प्रयास 2008 में शुरू हुए, जब हमने अपने उपयोगकर्ताओं की गोपनीयता की रक्षा के लिए चेहरे और लाइसेंस प्लेटों को धुंधला करने के लिए तंत्रिका नेटवर्क का उपयोग किया । इस अध्ययन के बाद, हमने महसूस किया कि पर्याप्त मात्रा में टैग किए गए डेटा के साथ, हम न केवल उपयोगकर्ताओं की गोपनीयता की रक्षा करने के लिए, बल्कि Google मैप्स में ताज़ा जानकारी जोड़ने के लिए मशीन लर्निंग का उपयोग कर सकते हैं।

2014 में, ग्राउंड ट्रुथ टीम ने स्ट्रीट व्यू हाउस नंबर (SVHN) डेटासेट, एक उन्नत घर संख्या मान्यता पद्धति प्रकाशित की, जो कि एक तत्कालीन छात्र, अब Google कर्मचारी, जन गुडफेलो द्वारा चलाया जाता था। यह काम न केवल अकादमिक रुचि का था, बल्कि Google मानचित्र की सटीकता में सुधार के लिए महत्वपूर्ण था। आज, दुनिया भर में लगभग एक तिहाई स्थानों पर इस प्रणाली की बदौलत सुधार किया जाता है। कुछ देशों में, जैसे कि ब्राज़ील, इस एल्गोरिथ्म ने Google मानचित्र पर 90% से अधिक पतों का स्थान निर्दिष्ट किया, जिसने हमारे मानचित्रों की उपयोगिता को बहुत बढ़ा दिया।

अगला तार्किक कदम इन तकनीकों को सड़क के नामों पर स्थानांतरित करना था। इस समस्या को हल करने के लिए, हमने फ्रेंच स्ट्रीट नेम साइन्स (FSNS) डेटासेट बनाया और जारी किया, जिसमें एक लाख से अधिक स्ट्रीट नाम हैं। एफएसएनएस सेट एक जटिल और वास्तविक डेटा सेट पर अपने ओसीआर मॉडल को बेहतर बनाने का अवसर प्रदान करने के उद्देश्य से कई वर्षों के काम का परिणाम था। एफएसएनएस एसवीएचएन की तुलना में बहुत बड़ा और अधिक जटिल है, क्योंकि सटीक सड़क नाम मान्यता के लिए कई अलग-अलग छवियों से जानकारी के संयोजन की आवश्यकता होती है।


वर्णों को पहचानने में मुश्किल के उदाहरण जिन्हें हमारी प्रणाली ने विभिन्न छवियों के संयोजन का उपयोग करके सफलतापूर्वक पहचाना है। यादृच्छिक शोर का उपयोग तब किया जाता है जब एक ही चरित्र के लिए चार अलग-अलग तस्वीरें नहीं होती हैं।

इस किट के साथ, Google intern Vozhna Zbigniew, सभी समर 2016 को स्ट्रीट व्यू इमेज को स्वचालित रूप से चिह्नित करने के लिए एक गहन शिक्षण मॉडल विकसित कर रहा है। नए मॉडल की दिलचस्प और उपयोगी विशेषताओं में से एक है शीर्षक के लिए हमारे मानकों के अनुसार पाठ को सामान्य करने की क्षमता, साथ ही छवियों से प्राप्त अतिरिक्त पाठ को अनदेखा करना।


ब्राजील के आंकड़ों के अनुसार पाठ सामान्यीकरण का एक उदाहरण। "ए वी।" "एवेनिडा" और "प्रेस" में बदल जाता है। "प्रेसीडेंट"


इस उदाहरण में, मॉडल को बुझाया नहीं गया है, एक ही बार में दो संकेत मिले हैं, सही ढंग से "एवी" को "एवेन्यू" में बदल देता है और सही ढंग से संख्या "1600" को अनदेखा करता है।

नई प्रणाली, घर की संख्या के निष्कर्षण के साथ संयुक्त, हमें उन स्थानों से तस्वीरों से सीधे नए पते बनाने की अनुमति देती है जहां कोई सड़क का नाम या पता नहीं था। अब हर बार एक नई सड़क के साथ एक स्ट्रीट व्यू कार ड्राइव करती है, हमारा सिस्टम मशीन द्वारा प्राप्त हजारों छवियों का विश्लेषण करने में सक्षम है, सड़क के नाम और घर के नंबर को निकालता है, और नए पते को सही ढंग से मैप करता है।

लेकिन पते का स्वत: सृजन पर्याप्त नहीं है - हम अभी भी वाणिज्यिक संगठनों को उनके नाम से एक मार्ग प्रदान करना चाहते हैं। 2015 में, हमने " स्ट्रीट व्यू फ़ोटोज़ से वाणिज्यिक संगठनों की बड़े पैमाने पर मान्यता " नामक कार्य प्रकाशित किया , जिसने वाणिज्यिक प्रतिष्ठानों से साइनेज को सही पहचानने के लिए एक विधि प्रस्तावित की। हालाँकि, संगठन के प्रदर्शन का पता लगने के बाद, उसके नाम को सही ढंग से निकालना अभी भी आवश्यक है - मॉडल को यह पता लगाना होगा कि तस्वीर में नाम कहाँ दर्शाया गया है और पाठ इससे संबंधित नहीं है। हम इस निकाले गए जानकारी को "संरचित पाठ" कहते हैं। और यह केवल पाठ नहीं है, बल्कि पाठ इसके अर्थ अर्थ के साथ संयुक्त है।

विभिन्न प्रशिक्षण डेटा का उपयोग करते हुए, हम अपने मॉडल को बाध्य कर सकते हैं, जो सड़कों के नाम को पढ़ता है, इमारतों के पहलुओं से व्यावसायिक प्रतिष्ठानों के नाम निकालने के लिए। इस मामले में, हम नाम निकाल सकते हैं और जांच सकते हैं कि क्या हम इस संस्था से Google मानचित्र की जानकारी से अवगत हैं। इससे हम वाणिज्यिक संगठनों की अधिक सटीक और अद्यतित सूची बना सकते हैं।


सिस्टम ने स्टोर के स्थान के बारे में जानकारी की कमी के बावजूद, स्टोर का नाम 'ज़ेलिना पीनस' के रूप में सही ढंग से पहचाना। उसने स्टोर पर बेचे जाने वाले टायर ब्रांडों के नामों को भी ठीक से अनदेखा किया।

80 बिलियन स्ट्रीट व्यू छवियों के लिए इन बड़े मॉडलों के उपयोग के लिए गंभीर प्रसंस्करण शक्ति की आवश्यकता होती है। इसलिए, ग्राउंड ट्रुथ टीम कंप्यूटिंग की लागत को नाटकीय रूप से कम करने के लिए, इस साल घोषित की गई टेन्सर प्रोसेसिंग यूनिट तक पहुंचने वाली पहली थी।

लोग Google मानचित्र की सटीकता और लोगों की मदद करने की उनकी क्षमता पर भरोसा करते हैं। हम कभी-कभी बदलते शहरी परिदृश्य से निपटने के लिए Google मैप्स को अपडेट रखते हैं। सड़कें और व्यावसायिक प्रतिष्ठान हमारे लिए तकनीकी कठिनाइयाँ पेश करते हैं जिन्हें हम अभी तक 100% दूर नहीं कर पाए हैं। ग्राउंड ट्रुथ का मिशन मशीन सीखने में सबसे आगे रहना है और एक अरब से अधिक Google मानचित्र उपयोगकर्ताओं के लिए अधिक सुविधाजनक उत्पाद बनाना है।