Искусственный интеллект против ручного труда
Представим, что аналитик получает задание подсчитать автомобили на парковке завода Hyundai в Ульсане, Южная Корея, используя спутниковый снимок с разрешением 30 см. Ручной подсчёт займет у команды из девяти человек от 20 до 30 минут, а результаты будут варьироваться от 880 до 1182 машин. Почему? Тени, частично скрытые объекты и человеческий фактор делают процесс субъективным и трудоёмким. Но что, если бы эту задачу можно было решить за доли секунды?
С помощью алгоритма машинного обучения Maxar аналитик получил результат за 0,5 секунды: 1267 автомобилей. Это в 150 раз быстрее, чем ручной подсчёт. Кроме того вручную невозможно обработать большие объемы снимков. Искусственный интеллект не только ускоряет процесс, но и повышает точность, обучаясь различать тени и реальные объекты. Однако ключевым фактором остаётся разрешение снимков: чем оно выше, тем точнее алгоритм.
Представим, что аналитик получает задание подсчитать автомобили на парковке завода Hyundai в Ульсане, Южная Корея, используя спутниковый снимок с разрешением 30 см. Ручной подсчёт займет у команды из девяти человек от 20 до 30 минут, а результаты будут варьироваться от 880 до 1182 машин. Почему? Тени, частично скрытые объекты и человеческий фактор делают процесс субъективным и трудоёмким. Но что, если бы эту задачу можно было решить за доли секунды?
С помощью алгоритма машинного обучения Maxar аналитик получил результат за 0,5 секунды: 1267 автомобилей. Это в 150 раз быстрее, чем ручной подсчёт. Кроме того вручную невозможно обработать большие объемы снимков. Искусственный интеллект не только ускоряет процесс, но и повышает точность, обучаясь различать тени и реальные объекты. Однако ключевым фактором остаётся разрешение снимков: чем оно выше, тем точнее алгоритм.
group-telegram.com/twrussia/3208
Create:
Last Update:
Last Update:
Искусственный интеллект против ручного труда
Представим, что аналитик получает задание подсчитать автомобили на парковке завода Hyundai в Ульсане, Южная Корея, используя спутниковый снимок с разрешением 30 см. Ручной подсчёт займет у команды из девяти человек от 20 до 30 минут, а результаты будут варьироваться от 880 до 1182 машин. Почему? Тени, частично скрытые объекты и человеческий фактор делают процесс субъективным и трудоёмким. Но что, если бы эту задачу можно было решить за доли секунды?
С помощью алгоритма машинного обучения Maxar аналитик получил результат за 0,5 секунды: 1267 автомобилей. Это в 150 раз быстрее, чем ручной подсчёт. Кроме того вручную невозможно обработать большие объемы снимков. Искусственный интеллект не только ускоряет процесс, но и повышает точность, обучаясь различать тени и реальные объекты. Однако ключевым фактором остаётся разрешение снимков: чем оно выше, тем точнее алгоритм.
Представим, что аналитик получает задание подсчитать автомобили на парковке завода Hyundai в Ульсане, Южная Корея, используя спутниковый снимок с разрешением 30 см. Ручной подсчёт займет у команды из девяти человек от 20 до 30 минут, а результаты будут варьироваться от 880 до 1182 машин. Почему? Тени, частично скрытые объекты и человеческий фактор делают процесс субъективным и трудоёмким. Но что, если бы эту задачу можно было решить за доли секунды?
С помощью алгоритма машинного обучения Maxar аналитик получил результат за 0,5 секунды: 1267 автомобилей. Это в 150 раз быстрее, чем ручной подсчёт. Кроме того вручную невозможно обработать большие объемы снимков. Искусственный интеллект не только ускоряет процесс, но и повышает точность, обучаясь различать тени и реальные объекты. Однако ключевым фактором остаётся разрешение снимков: чем оно выше, тем точнее алгоритм.
BY Прозрачный Мир
Share with your friend now:
group-telegram.com/twrussia/3208