首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

语言处理AI被谷歌地图训练:年删帖过亿条,训练样本海量

---- 新智元报道   编辑:袁榭 拉燕 【新智元导读】从自动识别街牌、到自动删除诈骗信息,谷歌地图这个项目现在越发依赖于机器学习的工具。 遏制不良网络动态的未来,掌握在机器学习的手中。 在搜索业巨擘谷歌的手中,机器学习工具在2021年通过监管谷歌地图上的违规行为,得到了真正的锻炼。 谷歌地图团队表示:「我们的团队致力于让真人用户在地图上发布的内容尽量可靠,并基于现实世界的亲身体验。这项工作有助于保护企业免受欺凌和诈骗,并确保评论对用户有帮助。这个内容政策旨在防止我们的平台上出现误导性、虚假性和辱

02

小哥凭“量子速读”绝技吸粉59万:看街景图0.1秒,“啪的一下”在世界地图精准找到!

明敏 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 一张图在你眼前闪过0.1秒,是什么感觉? “我看到过它???” 但有人,只看了一张街景0.1秒,就能在世界地图上快速锁定它的位置! 只见图片一闪而过,我还没反应过来发生了啥。 结果小哥直接把地图拉开,行云流水一通操作,找到了它就在斯里兰卡! 再慢放看看,这上面不就是几棵树和一条土路吗?? 还有这种看上去极为普通的马路,貌似出现在哪个大洲都很有可能。 但这位小哥立马能判断出它在澳大利亚北部。 这效果,怎么有股量子速读那味儿了? 而凭借着这

01

通过卫星和街道图像进行多模式深度学习,以测量城市地区的收入,拥挤度和环境匮乏

摘要:以大规模和低成本收集的数据(例如卫星和街道图像)有可能显着提高分辨率,空间覆盖率和测量城市不平等现象的时间频率。对于给定的地理区域,通常可以使用来自不同来源的多种类型的数据。然而,由于联合使用方法上的困难,大多数研究在进行测量时都使用单一类型的输入数据。我们提出了两种基于深度学习的方法,以结合利用卫星图像和街道图像来测量城市不平等现象。我们以伦敦为例,对三项选定的产出进行了案例研究,每项产出均按十分位类别衡量:收入,人满为患和环境剥夺。我们使用平均绝对误差(MAE)将我们提出的多峰模型与相应的单峰模型的性能进行比较。首先,将卫星图块附加到街道级别的图像上,以增强对可获得街道图像的位置的预测,从而将精确度提高20%,10%和9%,以收入,人满为患和居住环境的十分位数为单位。据我们所知,第二种方法是新颖的,它使用U-Net体系结构以高空间分辨率(例如,在我们的实验中为伦敦的3 m×3 m像素)对城市中的所有网格单元进行预测。它可以利用全市范围内的卫星图像可用性,以及从可用的街道级别图像中获得的稀疏信息,从而将准确性提高6%,10%和11%。我们还显示了两种方法的预测图示例,以直观地突出显示性能差异。

04
领券