Come Google ha craccato l'identificazione del numero civico in Street View

Google Street View è diventato una parte essenziale dell'esperienza di mappatura online. Consente agli utenti di scendere al livello della strada per vedere l'area locale in dettaglio fotografico.

Ma è anche una risorsa utile anche per Google. L'azienda utilizza le immagini per leggere i numeri civici e abbinarli alla loro geolocalizzazione. Questo individua fisicamente la posizione di ogni edificio nel suo database.

Ciò è particolarmente utile in luoghi in cui i numeri civici non sono altrimenti disponibili o in luoghi come il Giappone e la Corea del Sud, dove le strade sono raramente numerate in ordine cronologico ma in altri modi come l'ordine in cui sono state costruite, un sistema che rende molti edifici incredibilmente difficili da trovare, anche per i locali.

Ma il compito di individuare e identificare questi numeri richiede molto tempo. Le telecamere di Google Street View hanno registrato centinaia di milioni di immagini panoramiche che insieme contengono decine di milioni di numeri civici. Il compito di cercare manualmente queste immagini per individuare e identificare i numeri non è un compito che chiunque potrebbe affrontare con gusto.

Quindi, naturalmente, Google ha risolto il problema automatizzandolo. E oggi, Ian Goodfellow e gli amici dell'azienda rivelano come hanno fatto. Il loro metodo si basa su una rete neurale che contiene 11 livelli di neuroni che hanno addestrato per individuare i numeri nelle immagini.

Per cominciare, Goodfellow e compagni pongono alcuni limiti al compito da svolgere per mantenerlo il più semplice possibile. Ad esempio, presumono che il numero dell'edificio sia già stato individuato e che l'immagine sia stata ritagliata in modo che il numero sia almeno un terzo della larghezza della cornice risultante. Presumono anche che il numero non sia lungo più di cinque cifre, un'ipotesi ragionevole nella maggior parte del mondo.

Ma la squadra non divide il numero in una sola cifra, come hanno fatto molti altri gruppi. Il loro approccio consiste nel localizzare l'intero numero all'interno dell'immagine ritagliata e identificarlo in una volta sola, il tutto con un'unica rete neurale.

Addestrano questa rete utilizzando immagini tratte da un set di dati pubblicamente disponibile di immagini numeriche noto come set di dati Street View House Numbers. Questo contiene circa 200.000 numeri presi dalle fotocamere Street View di Google e resi pubblicamente disponibili. La formazione richiede circa sei giorni per essere completata, dicono.

Goodfellow e co affermano che non ha senso utilizzare un sistema automatizzato che non può eguagliare o battere le prestazioni degli operatori umani che generalmente possono individuare i numeri con precisione il 98 percento delle volte. Quindi questo è l'obiettivo della squadra.

Tuttavia, ciò non significa individuare il 98 percento dei numeri nel 100 percento delle immagini. Invece, Goodfellow e co affermano che è accettabile individuare il 98 percento dei numeri in un certo sottoinsieme di immagini, che in questo caso risultano coprire circa il 95 percento del totale.

Ma anche questo è significativamente migliore di quanto qualsiasi altra squadra sia stata in grado di ottenere. In tutto il mondo, abbiamo rilevato e trascritto automaticamente quasi 100 milioni di numeri civici fisici con una precisione a livello di operatore [umano], dicono, descrivendo questo come un successo senza precedenti.

E possono farlo a una velocità considerevole. Possiamo trascrivere tutte le visualizzazioni che abbiamo dei numeri civici in Francia in meno di un'ora utilizzando la nostra infrastruttura di Google, dicono. Sì, è solo un'ora.

Una domanda interessante è se la stessa tecnica potrebbe aiutare a estrarre altri numeri come numeri di telefono su insegne commerciali o anche targhe.

Tuttavia, Goodfellow e co non sono ottimisti. Dicono che il successo della loro tecnica si basi pesantemente sul presupposto che i numeri delle strade non siano mai più lunghi di cinque cifre. Per grandi [numeri di cifre] è improbabile che il nostro metodo si adatti bene, dicono.

E, naturalmente, il sistema non è ancora perfetto. Quel 2% di numeri erroneamente identificati è ancora una spina nel fianco della squadra.

Ma nel frattempo, Google può essere certo di aver compiuto un significativo passo avanti nell'estrazione e nel riconoscimento dei caratteri: la localizzazione e l'identificazione dei numeri da parte di una singola rete neurale.

La grande domanda ovviamente è quale sarà il prossimo. E Goodfellow e co obbligano aprendo il kimono solo una frazione: questo approccio di utilizzare una singola rete neurale come un intero sistema end-to-end potrebbe essere applicabile ad altri problemi come la trascrizione generale del testo o il riconoscimento vocale.

Così il gioco è fatto!

Rif: arxiv.org/abs/1312.6082 : Riconoscimento di numeri a più cifre da immagini di Street View utilizzando reti neurali convoluzionali profonde

nascondere