Data un'immagine satellitare, l'apprendimento automatico crea la vista a terra

Leonardo da Vinci realizzò disegni e dipinti che mostravano una vista a volo d'uccello di alcune zone d'Italia con un livello di dettaglio che non era altrimenti possibile fino all'invenzione della fotografia e delle macchine volanti. In effetti, molti critici si sono chiesti come avrebbe potuto immaginare questi dettagli. Ma ora i ricercatori stanno lavorando sul problema inverso: data un'immagine satellitare della superficie terrestre, che aspetto ha quell'area dal suolo? Quanto può essere chiara un'immagine così artificiale?

Oggi riceviamo una risposta grazie al lavoro di Xueqing Deng e colleghi dell'Università della California, Merced. Questi ragazzi hanno addestrato un algoritmo di apprendimento automatico per creare immagini a livello del suolo semplicemente guardando le immagini satellitari dall'alto.

La tecnica si basa su una forma di intelligenza artificiale nota come rete contraddittoria generativa. Questo consiste in due reti neurali chiamate generatore e discriminatore.

Il generatore crea immagini che il discriminatore valuta in base ad alcuni criteri appresi, ad esempio quanto assomigliano alle giraffe. Utilizzando l'output del discriminatore, il generatore impara gradualmente a produrre immagini che sembrano giraffe.

In questo caso, Deng e compagni hanno addestrato il discriminatore utilizzando immagini reali del terreno e immagini satellitari di quella posizione. Quindi impara come associare un'immagine a livello del suolo con la sua vista dall'alto.

Naturalmente, la qualità del set di dati è importante. Il team utilizza come verità del terreno la mappa di copertura del terreno LCM2015, che fornisce la classe di terreno con una risoluzione di un chilometro per l'intero Regno Unito. Tuttavia, il team limita i dati a una griglia di 71x71 chilometri che include Londra e la campagna circostante. Per ogni posizione in questa griglia hanno scaricato una vista a livello del suolo da un database online chiamato Geograph.

Il team ha quindi addestrato il discriminatore con 16.000 coppie di immagini dall'alto e dal livello del suolo.

Il passo successivo è stato quello di iniziare a generare immagini a livello del suolo. Il generatore è stato alimentato da una serie di 4.000 immagini satellitari di luoghi specifici e ha dovuto creare viste a livello del suolo per ciascuna, utilizzando il feedback del discriminatore. Il team ha testato il sistema con 4.000 immagini dall'alto e le ha confrontate con le immagini della verità sul terreno.

I risultati costituiscono una lettura interessante. La rete produce immagini plausibili data l'immagine dall'alto, se di qualità relativamente bassa. Le immagini generate catturano le qualità di base del terreno, ad esempio se mostra una strada, se il terreno è rurale o urbano e così via. Le immagini generate a livello del suolo sembravano naturali anche se, come previsto, mancavano dei dettagli delle immagini reali, affermano Deng e co.

È un bel trucco, ma quanto è utile? Un compito importante per i geografi è classificare la terra in base al suo utilizzo, ad esempio se è rurale o urbana.

Le immagini a livello del suolo sono essenziali per questo. Tuttavia, i database esistenti tendono ad essere scarsi, in particolare nelle zone rurali, quindi i geografi devono interpolare tra le immagini, un processo che è poco meglio che tirare a indovinare.

Ora le reti di contraddittorio generativo di Deng e compagni forniscono un modo completamente nuovo per determinare l'uso del suolo. Quando i geografi vogliono conoscere la vista a livello del suolo in qualsiasi luogo, possono semplicemente creare la vista con la rete neurale basata su un'immagine satellitare.

Deng e colleghi confrontano anche i due metodi: interpolazione e generazione di immagini. La nuova tecnica risulta per determinare correttamente l'uso del suolo il 73 per cento delle volte, mentre il metodo di interpolazione è corretto solo nel 65 per cento dei casi.

È un lavoro interessante che potrebbe semplificare la vita ai geografi. Ma Deng e compagni hanno ambizioni più grandi. Sperano di migliorare il processo di generazione delle immagini in modo che in futuro produca ancora più dettagli nelle immagini a livello del suolo. Leonardo da Vinci sarebbe sicuramente rimasto colpito.

Rif: https://arxiv.org/abs/1806.05129 : Com'è laggiù? Generazione di viste a livello del suolo dense e caratteristiche dell'immagine da immagini aeree utilizzando reti antagoniste generative condizionali

nascondere