谷歌地图重大升级，用深度学习实时更新街景

　　每天谷歌地图都在为成千上万的用户寻找目的地，指明方向，为了能够为用户提供良好的体验，谷歌需要随着现实世界的变化及时地进行调整。想要依靠人工参与到800亿高清图片中寻找新发生的变化实属难事，因此谷歌团队的重要目标就是要从地理位置图像自动提取信息来升级谷歌地图。深圳谷歌推广小编带大家深入了解一下。

　　谷歌发布的“从街景图像中提取基于注意机制的结构化信息”一文具体描述了谷歌如何在街景视图中使用深度神经网络识别出街道的名称。谷歌的算法挑战了法国街道名称识别数据集并且达到了84.2%的正确率。重要的是，谷歌的系统在提取其他类型信息也是很容易扩展的，比如现在帮助谷歌自动提取商店前面的商户名称。

　　在计算机视觉和机器学习方面，自然环境中的文本识别十分具有挑战。传统的光学字符识别系统主要侧重于从扫描的文档中提取文本，而在自然环境中，不同的角度、复杂的背景增加了文本识别的难度。谷歌从几年前开始致力于解决这一问题，使用神经网络模糊了街景图像中的脸和车牌，以保护谷歌用户的隐私。从最初的研究中，团队意识到经过足够的标记数据训练后，机器学习不仅能保护用户的隐私，而且还可以自动升级谷歌地图相关的最新信息。

　　2014年谷歌地面实况团队在街景门牌号数据集上公布了读取街道号码的方法。这个工作不仅是出于对学术的兴趣，而且也是使谷歌地图更为精确的关键。在这个系统的帮助下，超过三分之一的全球地址已经在谷歌地图上有了自己的位置。

　　接下来就是将技术扩展到街道名称，谷歌创建并发布了法国街道名称标志，提高人们对OCR模型在实际使用情况下的认识。一名谷歌的实习生在去年夏天用这个数据集开发了一个深度学习模型，它能够自动标注新的街景视图。这个新模型的一个优点是，它可以根据日常的命名习惯进行文本规范。

　　这个新系统结合了提取街道号码技术，使我们能够直接从图像创建新的地址。现在，每当一辆街景车在新建的道路上行驶时，我们的系统可以捕捉上千万张图像，提取街道名称和数字，并自动在谷歌地图上创建和定位新地址。

　　人们依赖于谷歌地图的精准性来协助他们工作和生活。在景观、道路和商业不断变化的情况下，谷歌地图的更新所面临的技术挑战，远远还没有解决。为超过十亿的谷歌地图用户创造更好的用户体验，一直是谷歌地面实况团队追求的目标。