Kvantový počítač D-Wave 2X v NASA s 1152 qubity se učí rozpoznat stromy na leteckých nebo družicových snímcích s rozlišením 1 metr. Podobně jako neuronové sítě se algoritmus nejprve natrénuje na testovacích obrázcích.
Poté na obrázcích z Mill Valley dosahuje kvantový algoritmus přesnosti 90 %. To je sice jen o trochu lepší výsledek než dávají klasické neuronové sítě, ale projekt otevírá cestu ke kvantovému strojovému učení. Více informací v článku.
(zdroj: slashdot)
Mohou se urcovat i bloky stromu se stejnym starim (jina textura), vysazene ve stejnem obdobi, atp...
Jinak... říkám, že je to celkem zajímavý projekt, ale ... Ze statické fotky s takovým rozlišením ten strom prostě nepoznám jinak, než podle barvy, na podzim pravděpodobně klesne úspěšnost o pěknej kus dolů, v zimě to asi taky bude zajímavý atd. Chtělo by to lepší rozlišení, minimálně fotky pod různými úhly a potom by bylo zajímavé to řešit.
Ono to jen barvou asi nejde, třeba správně neoznačená tráva v druhém a třetím obrázku. Má to tu sice trochu světlejší zelenou, asi je to krátký stříhaný trávník, ale obecně to tak být nemusí.
Já když se kouknu o okna NIR kamerou (video), tak mi přijde, že stromy a tráva mají stejnou barvu.
> Ze statické fotky s takovým rozlišením ten strom prostě nepoznám jinak, než podle barvy
Ty ne, ale konvoluční neuronka třeba jo. Existují klasifikační úlohy, které jsou pro člověka naprosto neuchopitelné, ale neuronka naprasená za jedno odpoledne to podrtí. Doporučuju prostudovat odkazy z http://ufal.mff.cuni.cz/courses/npfl114/winter-2016 .
