Maschinenlern-Algorithmus macht aus Satelliten-Aufnahmen Bilder vom Boden

Um Flächen zu klassifizieren, müssen Geografen sie besuchen oder Fotos davon auswerten. Künstliche Intelligenz bietet jetzt eine weniger aufwendige Methode.

In Pocket speichern vorlesen Druckansicht 17 Kommentare lesen
Maschinenlern-Algorithmus macht aus Satelliten-Aufnahmen Bilder vom Boden

(Bild: University of California)

Lesezeit: 2 Min.
Von
  • Sascha Mattke

Forscher an der University of California in Merced haben einen Algorithmus für maschinelles Lernen so trainiert, dass er auf der Grundlage von Satelliten-Aufnahmen Bilder erzeugt, die wie vom Boden aus aufgenommen aussehen. Zwar mangelt es den künstlichen Fotos an Details, doch bei Tests ließen sie in 73 Prozent der Fälle korrekt erkennen, wie ein bestimmtes Gebiet genutzt wird. „Die generierten Boden-Bilder sahen natürlich aus, wobei es ihnen wie erwartet an den Details der echten Aufnahmen fehlte“, schreiben Xueqing Deng und Kollegen in einem Fachaufsatz zu ihrer Arbeit, wie Technology Review online in „Boden-Bilderaus der Luft“ berichtet.

Für solche Generative Adversarial Networks (GANs) werden zwei neuronale Netze eingesetzt, der Generator und der Diskriminator. Der Generator erzeugt Bilder, die der Diskriminator anhand erlernter Kriterien bewertet. Mit den Ergebnissen des Diskriminators lernt der Generator dann allmählich, möglichst überzeugende Bilder zu generieren. Im aktuellen Fall trainierten Deng und Kollegen den Diskriminator mit echten Bildern vom Boden und Satelliten-Aufnahmen desselben Standorts. Dadurch lernte das System, vor Ort aufgenommene Bilder mit Luftbildern zu assoziieren.

Die Forschungsarbeit ist nicht nur interessant, sondern könnte auch praktischen Nutzen haben. Eine wichtige Aufgabe für Geografen besteht darin, Land nach seiner Nutzung zu klassifizieren, etwa als ländlich oder urban. Aufnahmen vom Boden sind dafür bislang unverzichtbar. Doch die entsprechenden Datenbanken sind unvollständig, insbesondere bei ländlichen Regionen, sodass Geografen zwischen den vorhandenen Bildern interpolieren müssen. Die Generative Adversarial Networks von Deng und Kollegen bieten jetzt eine vollkommen neue Möglichkeit, die Landnutzung zu ermitteln – zumal die Forscher sich vorgenommen haben, die Bild-Generierung so gut zu machen, dass sie in Zukunft mehr Details bietet als am Boden aufgenommene echte Bilder.

Mehr dazu bei Technology Review online:

(sma)