Terrapattern: umgekehrte Bildersuche für Satellitenbilder

26. Mai 2016 Hannes Bartl 0

Mit Terrapattern ist vor kurzem der Prototyp einer Software veröffentlicht worden, die zur Erkennung von Mustern auf der Erdoberfläche dient. Die Software arbeitet nach dem Prinzip Deep Learning und ist vergleichbar mit der umgekehrten Bildersuche von Google oder Tineye. In der aktuellen Alpha-Version kann man die Suche nur für die US-Städte New York, Pittsburgh, Detroit und San Francisco – die Ergebnisse sind aber vielversprechend.

Stanford researchers use machine learning to compare the nighttime lights in Africa – indicative of electricity and economic activity – with daytime satellite images of roads, urban areas, bodies of water and farmland. (Marshall Burke)

Maschinelles Lernen zur Kartierung des globalen Wohlstands

12. April 2016 Hannes Bartl 0

Der größeren Leistungsfähigkeit und Verfügbarkeit von Rechenkapazität ist es zu verdanken, dass Forscher der Stanford University nun ein Verfahren vorstellen konnten, mit dem anhand von großen Mengen von Satellitenbildern durch maschinelles Lernen Karten des globalen Wohlstands erzeugt werden können. Das automatisierte Verfahren eignet sich dazu, die sonst arbeitsintensive Erfassung von Wohlstandsdaten zu ersetzen oder zumindest auf ein Minimum zu begrenzen. Das Problem dvon nicht oder nur unzureichend vorhandenen Datengrundlagen ist eines der größten Probleme bei der Armutsbekämpfung, zu dessen Lösung das Verfahren beitragen soll.