Google地圖如何標示出全球1.1億棟建築？關鍵就是機器學習

Google地圖再進化，要從平面瀏覽介面，越來越立體化，甚至藉助機器學習技術，要將全球建築物的立體俯視圖，繪製到Google 地圖上，從年初至今，Google已經在地圖上標繪出1億1千棟建築物，要讓人們使用地圖更直覺地了解所在位置的周遭環境。

Google地圖團隊軟體工程師Andrew Lookingbill今日(12日) 在臺北一場Google機器學習媒體活動中，揭露如何在地圖上自動描繪出建築物的關鍵。

Andrew Lookingbill指出，人們使用地圖時，習慣透過人眼觀察周遭建築物，來定位四周的方位，我們想要在地圖上呈現出這種貼近使用者習慣的功能，因此才開始標記建築物。但是全球建築物數量龐大，想要一一標記，得建立一套自動化機制不可。

過去，Google已經利用機器學習來辨識街景照片中的街道資訊，例如地址等，同樣地，Andrew Lookingbill解釋，Google 也開始利用深度學習技術，要從大量衛星照片，來辨識一棟棟建築物。

他進一步解釋，辨識過程可分為3階段，首先分析照片中的像素，判斷圖中哪些像素是一棟建築物，接著再用圖示，在照片中，標示出每一棟建築物的外圍輪廓，第三階段則再用另一套深度學習模型 ，將建築物俯視外觀形狀向量化，以描繪出建築物的俯視形狀的向量多邊形，最後，就能進一步來製作出Google地圖上的建築物俯視平面向量圖。

從今年年初至今，Andrew Lookingbill表示，Google已透過機器學習技術，在地圖上新增了1.1億棟利用自動描繪建立的建築物資訊，全球各地都有。透過這些建築物在地圖上的立體圖像呈現，有助於人們定位來辨認方向。

不過，要用機器學習來描繪出地圖上的建築物，也不是容易的事， Andrew Lookingbill提到，目前仍需人工參與描繪，例如在訓練機器學習模型時，必須人工手動先標記出一批建築物，作為訓練機器學習模型之用。不過，Google也希望未來能持續降低人工參與的必要性。

另外，不同地區的衛星影像，建築物標記的挑戰也各有不同，例如，在城市的衛星影像中，會包含了許多雜訊和遮蔽物，例如建築物外圍的樹木，會導致建築物輪廓線模糊而不易分辨，或像是空中飛鳥經過時，也會遮蔽到地面的建築物，這些都是影響Google分辨出建築物輪廓精確度要面臨的挑戰。

Andrew Lookingbill表示，在地圖上加上建築物資訊還有另一個好處，是可以把更多建築物的相關資訊也放到Google地圖上來豐富圖資。不過，對於這類更詳細的Google地圖圖資，未來是否能用於自駕車所需的高精密地圖，Andrew Lookingbill則沒有回應，僅表示這是其他團隊的任務。

除了透過機器學習來描繪建築物，Google早將深度學習應用在各種地圖和街景影像處理上，例如辨識街道名稱、門牌資訊和商店名稱等。近期，Google也開始積極在開發中國家擴充Google地圖的圖資，大量利用機器學習辨識當地街道影像，讓地圖延伸覆蓋更多的範圍。例如去年，Google在奈及利亞拉哥斯城，用機器學習辨識蒐集到20,000條街道名稱、50,000個地址和100,000個商家資訊的地圖圖資資訊。

Andrew Lookingbill 表示，未來Google 將加快街景更新的速度，甚至能讓地圖更及時反應新的變動，這也是Google一直努力的方向，不斷提升地圖的精確度。