我們雖然有著衛(wèi)星圖像和繪圖軟件，但是制作一張精確的地圖仍是一項(xiàng)艱難且費(fèi)事的工作。許多國(guó)家（尤其是發(fā)展中國(guó)家）各自都有未被地圖記錄的領(lǐng)土。為了解決這一問(wèn)題，F(xiàn)acebook人工智能研究人員和工程師開(kāi)發(fā)了一種使用深度學(xué)習(xí)和弱監(jiān)督訓(xùn)練的新方法，用于從商業(yè)上可獲得的高分辨率衛(wèi)星圖像預(yù)測(cè)道路網(wǎng)絡(luò)。由此產(chǎn)生的模型為最先進(jìn)的精確度設(shè)置了一個(gè)新的標(biāo)準(zhǔn)。此外，由于它能夠適應(yīng)道路網(wǎng)的區(qū)域差異，因此可以有效地預(yù)測(cè)全球的道路。

我們會(huì)通過(guò)Map With AI（一組新的專(zhuān)業(yè)地圖編輯服務(wù)和工具）分享模型的詳細(xì)信息并將數(shù)據(jù)提供給全球所有的繪圖專(zhuān)家們。Map With AI有一個(gè)編輯器界面RapiD，它將允許專(zhuān)家們根據(jù)需要輕松查看、驗(yàn)證和調(diào)整地圖。

我們使用這個(gè)系統(tǒng)在OpenStreetMap上繪出了泰國(guó)境內(nèi)之前未被記錄的30萬(wàn)英里路。如果是讓100名繪圖專(zhuān)家來(lái)手繪這份地圖，他們估計(jì)會(huì)用36個(gè)月的時(shí)間。而在這一系統(tǒng)的幫助下，我們僅用了18個(gè)月左右的時(shí)間就完成了這個(gè)項(xiàng)目。

準(zhǔn)確的地圖數(shù)據(jù)將有助于Facebook Marketplace和Facebook Local等產(chǎn)品更好地為世界各地的人們提供服務(wù)。Map with AI也符合我們的核心目標(biāo)：連接各個(gè)用戶(hù)并確保所有人都會(huì)在地圖上顯示。與Facebook AI的人口密度地圖項(xiàng)目一樣，該地圖也將作為災(zāi)害響應(yīng)、城市規(guī)劃、開(kāi)發(fā)項(xiàng)目和許多其他用例的資源公開(kāi)。例如，2018年印度喀拉拉邦被洪水襲擊時(shí)，Map With AI加快了人道主義OpenStreetMap團(tuán)隊(duì)（HOT）對(duì)該地區(qū)的繪圖以協(xié)助救援工作。我們希望RapiD能夠幫助OSM和HOT志愿者們的工作，以繪制出世界各地的地圖。

利用新技術(shù)實(shí)現(xiàn)更高效、準(zhǔn)確的繪制

我們從多個(gè)角度進(jìn)行了測(cè)繪研究。在2018年的CVPR上，我們?yōu)镈eepGlobe Satellite Challenge提供了數(shù)據(jù)和競(jìng)賽平臺(tái)，還參與了計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)解決方案的評(píng)估，以此來(lái)提高衛(wèi)星圖像分析的技術(shù)水平。我們還在開(kāi)發(fā)關(guān)于遙感空間問(wèn)題的新技術(shù)和架構(gòu)；調(diào)查弱監(jiān)督學(xué)習(xí)技術(shù)以在全球范圍內(nèi)應(yīng)用我們的地圖；并與繪圖團(tuán)隊(duì)合作，大規(guī)模測(cè)試這些方法以創(chuàng)造出適用的工具。

道路劃分

在從衛(wèi)星圖像中提取信息時(shí)，我們對(duì)完全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行語(yǔ)義分割并將其和大規(guī)模弱監(jiān)督學(xué)習(xí)聯(lián)系起來(lái)。道路檢測(cè)是語(yǔ)義分割的直接應(yīng)用，其中道路是前景，而圖像的其余部分是背景。對(duì)于道路分段，我們使用了修改過(guò)后的D－LinkNet架構(gòu)（在全球衛(wèi)星圖像道路提取比賽中獲獎(jiǎng)）；然后，矢量化和后處理技術(shù)可以將這些輸出轉(zhuǎn)換為與地理空間數(shù)據(jù)庫(kù)（如OSM）兼容的道路矢量。

全球范圍的弱監(jiān)督訓(xùn)練

作為泰國(guó)道路測(cè)繪項(xiàng)目的一部分，我們讓人類(lèi)專(zhuān)家審查并糾正了人工智能系統(tǒng)確定的道路網(wǎng)。然后，我們就用這些校正過(guò)的地圖作為模型的訓(xùn)練數(shù)據(jù)。在泰國(guó)測(cè)繪項(xiàng)目中，我們繪制了泰國(guó)的整個(gè)道路網(wǎng)，因此我們對(duì)數(shù)據(jù)的準(zhǔn)確性和完整性都很有把握。我們發(fā)現(xiàn)，對(duì)該數(shù)據(jù)集的訓(xùn)練為泰國(guó)提供了高度準(zhǔn)確的驗(yàn)證結(jié)果，但讓其他地區(qū)的準(zhǔn)確率急劇下降。由于我們的最終目的是繪制全球道路網(wǎng)，所以我們還研究了如何使用其他地區(qū)的OSM數(shù)據(jù)來(lái)訓(xùn)練新模型。

其它不同國(guó)家之間的地圖繪制仍有較大差距。因此，我們研究了新方法以獲得更多關(guān)于地形方面的高質(zhì)量訓(xùn)練數(shù)據(jù)。我們從之前關(guān)于OSM數(shù)據(jù)的弱監(jiān)督圖像分類(lèi)和訓(xùn)練建立的檢測(cè)模型中得到靈感，嘗試將弱監(jiān)督的訓(xùn)練思想從分類(lèi)轉(zhuǎn)換為語(yǔ)義分割。該實(shí)驗(yàn)需要在準(zhǔn)確數(shù)據(jù)覆蓋范圍的區(qū)域，然后將OSM數(shù)據(jù)庫(kù)的道路向量轉(zhuǎn)換為光柵化語(yǔ)義分段標(biāo)簽。

大多數(shù)可用于訓(xùn)練道路分割模型的數(shù)據(jù)集都偏向于某一特定區(qū)域或發(fā)展水平。例如，DeepGlobe道路數(shù)據(jù)集僅包含來(lái)自印度、印度尼西亞和泰國(guó)的數(shù)據(jù)，而SpaceNet Road Extraction Challenge的數(shù)據(jù)集僅關(guān)注主要城市。我們創(chuàng)建的數(shù)據(jù)集橫跨六大洲和各類(lèi)發(fā)展水平，提供比其他可替代方案更多的數(shù)據(jù)。為了評(píng)估更大、更多樣化的數(shù)據(jù)集是如何影響我們模型的普遍性，我們?cè)u(píng)估了OSM訓(xùn)練模型以及DeepGlobe模型。我們?cè)谄渌麕讉�(gè)數(shù)據(jù)集（拉斯維加斯、巴黎、上海等）上也評(píng)估了這兩個(gè)模型。在這些測(cè)試集中，DeepGlobe模型的IoU（一種測(cè)量在特定數(shù)據(jù)集中檢測(cè)相應(yīng)物體準(zhǔn)確度的一個(gè)標(biāo)準(zhǔn)）得分為0．218，OSM訓(xùn)練模型的平均IoU得分為0．355。

基于人工智能的工具，可有效創(chuàng)建新地圖

一旦模型識(shí)別出潛在的道路，我們需要驗(yàn)證該道路的真實(shí)性并將其提交給OSM。將這些數(shù)據(jù)帶給社區(qū)是我們工作流程的重要組成部分；我們模型的結(jié)果盡管很強(qiáng)大但并不完美，地方或地區(qū)差異會(huì)影響對(duì)道路的正確分類(lèi)。一些結(jié)果錯(cuò)誤地追蹤了其他衛(wèi)星圖像特征，例如干河床、狹窄的海灘和運(yùn)河。此外，該模型可能找不到區(qū)域內(nèi)的所有道路，或者可能忽略對(duì)專(zhuān)業(yè)人體映射器而言顯而易見(jiàn)的連接點(diǎn)和潛在道路。因此，我們的下一步是將模型的結(jié)果加入到有能力的映射器中，這些映射器已經(jīng)接受過(guò)如何驗(yàn)證模型結(jié)果的專(zhuān)業(yè)訓(xùn)練。為此，我們使用的是社區(qū)地圖比較熟悉的工具（iD、JavaOpenStreetMap和Tasking Manager）。

我們的工作重點(diǎn)是構(gòu)建RapiD，這是廣泛使用的基于Web的iD地圖編輯器的開(kāi)源擴(kuò)展。此外，我們構(gòu)建了一個(gè)系統(tǒng)，它會(huì)將模型的結(jié)果與OSM中已有的數(shù)據(jù)相結(jié)合。這個(gè)過(guò)程稱(chēng)為合并，它們會(huì)建議如何將新道路與現(xiàn)有數(shù)據(jù)相結(jié)合，并防止用建議道路覆蓋現(xiàn)有道路數(shù)據(jù)。我們希望RapiD能夠讓社區(qū)地圖的人們?yōu)樗麄冏约旱挠美�改進(jìn)和利用這些工具。

RapiD編輯器允許審閱者可視化混合道路，突出顯示新更改的道路，并使用新命令和快捷方式執(zhí)行最常見(jiàn)的數(shù)據(jù)清理任務(wù)，例如調(diào)整道路的分類(lèi)以適應(yīng)周邊環(huán)境。因?yàn)槲覀償U(kuò)展了現(xiàn)有的編輯工具iD，所以映射器能夠使用熟悉的工具來(lái)處理新數(shù)據(jù)。為了確保向OSM提交高質(zhì)量的數(shù)據(jù)，我們通過(guò)完整性檢查來(lái)發(fā)現(xiàn)模型結(jié)果的潛在問(wèn)題。

地圖界領(lǐng)先者的早期反饋鼓舞人心

“該工具在建議機(jī)器生成的功能和手動(dòng)映射之間取得了很好的平衡。對(duì)iD的調(diào)整及增加的快捷鍵使其足夠強(qiáng)大，足以滿(mǎn)足那些想要隨意使用它的地圖制作者的需求，”O(jiān)SM的長(zhǎng)期撰稿人Martijn van Exel說(shuō)道�！斑@肯定會(huì)成為OSM未來(lái)的關(guān)鍵部分，我們永遠(yuǎn)不會(huì)繪制世界，并在沒(méi)有機(jī)器幫助的情況下進(jìn)行繪制，重點(diǎn)是要找到繪制的最佳點(diǎn)。OSM是一個(gè)人物項(xiàng)目，地圖反映了地圖制作者的興趣、技能和傾向等�！�

“在我看來(lái)，RapiD最獨(dú)特的優(yōu)勢(shì)在于它可以用于世界上最復(fù)雜的地理區(qū)域，那些地區(qū)急需自動(dòng)化。大多數(shù)現(xiàn)代算法、訓(xùn)練集和技術(shù)被發(fā)明用于具有高度發(fā)達(dá)基礎(chǔ)設(shè)施的區(qū)域。在許多道路沒(méi)有明確界定和維護(hù)的發(fā)展中國(guó)家（例如非洲、東南亞、拉丁美洲），即使是受過(guò)最好訓(xùn)練的人也很難識(shí)別并對(duì)其進(jìn)行正確的分類(lèi)，”共享單車(chē)行業(yè)的測(cè)繪專(zhuān)家Dmitry Kuzhanov說(shuō)。

“RapiD是向前邁出的重要一步，因?yàn)樗鼘⑷斯ぶ悄芘c人類(lèi)天生具有的智慧相結(jié)合。我們?nèi)祟?lèi)仍然參與其中，但結(jié)果卻變得更加有效，”Mapillary的戰(zhàn)略合作伙伴經(jīng)理Edoardo Neerhut說(shuō)。

總而言之，合適的工具可以?xún)?yōu)化地圖、減輕繁瑣和耗時(shí)的道路繪制工作，提高道路繪制的準(zhǔn)確性、并為識(shí)別最佳道路提供選擇。提供不影響繪圖專(zhuān)家能力和判斷力的工具非常重要，我們將根據(jù)這些專(zhuān)家的反饋不斷改進(jìn)RapiD，以使制作過(guò)程更加順利。我們相信最終的RapiD將有助于提高衛(wèi)星圖像的繪圖效果。