（中央社记者吴家豪台北12日电）Google地图软件工程师卢金比尔今天说，Google将机器学习的技术运用在解决Google地图面临的问题，今年初开始已有1.1亿个透过算法绘制的建筑物陆续新增至Google地图上。
Google今天在台北举办“Google机器学习系列媒体聚会 - Google地图应用”，邀请卢金比尔（Andrew Lookingbill）透过视讯分享Google如何运用深度学习与街景描绘世界，以及如何运用机器学习自动化产生建筑物影像。
卢金比尔说，机器要自动在密密麻麻的都市丛林中辨识出建筑物，还要准确在地图上标示出建筑物的俯视平面图，极具挑战。Google透过新的机器学习技术与工具，让机器学习模型能自动在街景影像中自动寻找建筑物，并制作出建筑物的俯视平面向量图。
据他透露，从今年初开始，有1.1亿个透过算法绘制的建筑物已陆续新增至Google地图上。这1.1亿个新增建筑物并未集中特定区域，因为Google追求的是模型精细度，聚焦建筑物模型能否提供高品质的资讯。他认为无论运用电脑视觉或机器学习，最主要挑战是影像可能被遮蔽，需要考虑环境特质。
卢金比尔表示，打造地图需要街道名称、门牌等资讯，这些在街景照片中已有涵盖。虽然人类知道要看何处、看什么来取得地图资讯，但如果要写程式来取得这些资讯，事实上困难重重。对机器学习或电脑而言，真实世界充满挑战。
不过，他也指出，Google发现深度学习技术已有长足进步，可以反映在研究当中。例如可以用递归神经网络（Recurrent Neural Network，RNN）、长短期记忆（Long Short Term Memory Network，LSTM）相关模型，将来自同一个标志或同一条路上不同标志的资讯加以整合，大幅增进街道名称的辨识能力。
卢金比尔强调，Google机器学习为地图资讯较缺乏的开发中国家带来许多正面效益，例如Google去年透过机器学习的模型与算法大幅改善尼日利亚拉哥斯城的地图绘制，包含新增2万条街道名称、5万个地址和10万个新商家资讯。（编辑：郭萍英）1070912
Google地图结合机器学习新增1.1亿个建物
发布时间：2024-12-28
爽报 YesDaily.COM
208
