源之原味

在地图上: 启动使用 AI 来重现世界, 一次一张照片

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2017/12/22/ai-maps/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

用折叠纸地图来寻找你的道路的日子早已一去不复返了。大多数人依靠数字地图将它们指向正确的方向。自主车辆也需要高度详细的地图。

然而, 未来的地图将需要提供不仅仅是方向。人们希望能够方便地访问最新 视觉信息 关于他们的公路和道路。他们想知道基础设施是否到位, 比如自行车道和自行车架, 这样他们就可以很容易地 周期 到他们的目的地。而且, 为安全起见, 自驾车汽车将需要360度的了解交通环境。

Mapillary, 一个瑞典的启动和我们的成员 初始程序, 通过将计算机视觉技术与社区协作结合起来, 致力于帮助开发这些地图。利用来自任何相机的街道级图像数据, 该公司正在可视化世界, 以改善地图, 帮助城市规划其发展, 并为汽车工业的进步作出贡献。

不是所有流浪的人都迷失了

测绘300棵榕树 在印度的塔克, 在3D 记录迪斯尼乐园, Mapillary 在缝合世界, 一次一张照片。事实上, 该公司每天收到成千上万的图片来自其社区的个人贡献者, 非营利组织, 公司和政府。

将这大量的数据处理成有用的结果并不意味着壮举。为此, Mapillary 的团队使用了一种叫做 语义分割.这个过程包括将图像分解成语义上有意义的部分, 然后对它们进行分类。对于 Mapillary 的地图数据抽取, 需要两种类型的语义图像分割: 标准和高清。

标准分割适用于 Mapillary 的数据库中的每个图像在一个过程中的 cost-effectiveness, 同时接受一些损失的准确性。HD 分割模型只适用于选择高精度要求的图像。但是, 对最大精确度的关注意味着更长的运行时间和更高的内存需求。

Mapillary 的挑战是 cost-effectively 运行高清语义分割-并为其客户提供最详细的地图数据可能-同时保持与不断增加的图像流到其平台的数量。

该公司已经使用 nvidia 的特斯拉 GPU 的加速器在亚马逊 EC2 P2 的生产, 与 nvidia 的泰坦 Xp gpu 用于培训其算法。最近, Mapillary 基准 TensorRT 3.0 运行的特斯拉 V100 gpu 通过亚马逊网络服务 EC2 P3 实例。

结果是 HD 分割的27x 加速, 同时减少了81% 的内存需求。标准分割被提高了 18x, 74% 内存减少。

"随着 TensorRT 与特斯拉 V100 的优化, 我们能够增加在推理过程中的图像分辨率在相同的处理成本的语义分割," 黄玉斌说, 计算机视觉领先的 Mapillary。"这使我们可以恢复细细节和小对象的语义分割。

技术改进使 Mapillary 能够更 cost-effectively 地生成地图数据, 从而帮助创建更好、更详细、更智能的映射。

NVIDIA 创始计划

Mapillary 是在我们的2000多家初创公司之一 初始程序.虚拟加速器计划为初创企业提供技术、专业技能和市场支持的机会。

Leave A Reply

Your email address will not be published.