KR102299378B1 - 변화 검출 기반의 맵 인터페이스 업데이트 시스템 - Google Patents

변화 검출 기반의 맵 인터페이스 업데이트 시스템 Download PDF

Info

Publication number
KR102299378B1
KR102299378B1 KR1020197002297A KR20197002297A KR102299378B1 KR 102299378 B1 KR102299378 B1 KR 102299378B1 KR 1020197002297 A KR1020197002297 A KR 1020197002297A KR 20197002297 A KR20197002297 A KR 20197002297A KR 102299378 B1 KR102299378 B1 KR 102299378B1
Authority
KR
South Korea
Prior art keywords
geographic area
map
image
change
map tile
Prior art date
Application number
KR1020197002297A
Other languages
English (en)
Other versions
KR20190024971A (ko
Inventor
수조이 바너지
얀 마이스터
브라이언 에드몬드 브류잉턴
Original Assignee
구글 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 구글 엘엘씨 filed Critical 구글 엘엘씨
Publication of KR20190024971A publication Critical patent/KR20190024971A/ko
Application granted granted Critical
Publication of KR102299378B1 publication Critical patent/KR102299378B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06K9/4642—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)
  • Instructional Devices (AREA)
  • Image Analysis (AREA)

Abstract

맵 인터페이스를 업데이트하기 위한 시스템 및 방법이 제공된다. 일 실시예에서, 이 방법은 디스플레이 디바이스 상에 디스플레이 가능한 맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하는 단계를 포함한다. 맵 타일은 지리적 영역의 적어도 일부와 관련된 이미지를 제시한다. 이 방법은 지리적 영역의 적어도 일부분을 묘사하는 이미지를 기술하는 데이터를 획득하는 단계를 포함한다. 이미지는 이미지 획득 시스템에 의해 획득된다. 이 방법은 지리적 영역과 관련된 변화의 발생을 결정하기 위하여 맵 타일을 기술하는 데이터 및 이미지를 기술하는 데이터를 분석하는 단계를 포함한다. 이 방법은 지리적 영역과 관련된 변화의 발생에 적어도 부분적으로 기초하여 지리적 영역과 관련된 변화를 반영하도록 맵 인터페이스를 업데이트하는 단계를 포함한다.

Description

변화 검출 기반의 맵 인터페이스 업데이트 시스템
본 발명은 일반적으로 맵 사용자 인터페이스 업데이트에 관한 것으로, 보다 상세하게는 지리적 영역의 기계 학습된 변화 검출(change detection)에 적어도 부분적으로 기초하여 맵 인터페이스를 업데이트하는 것에 관한 것이다.
지리적 위치의 이미지들은 지리적 사용자 인터페이스, 네비게이션 시스템, 온라인 검색 응답 등과 같은 다양한 목적으로 사용될 수 있다. 이러한 이미지는 예를 들어 특정 지리적 위치의 이미지를 캡처하도록 프로그래밍된 위성들에 의해 획득될 수 있다. 경우에 따라 특정 위치와 관련된 이미지 캡처의 빈도는 온라인 사용자 노출 수에 따라 달라질 수 있다. 예를 들어, 더 자주 사용자들이 특정 위치를 검색하고 및/또는 사용자 인터페이스 내의 위치를 볼수록 위성 시스템은 위치 이미지를 더 자주 획득할 수 있다. 그러나 이러한 접근법은 어느 영역이 가장 큰 변화를 겪고 있는지 정확하게 캡처하지 못할 수 있다.
본 발명의 실시예들의 양태 및 장점은 다음의 설명에서 부분적으로 설명되거나 설명으로부터 알 수 있거나 또는 실시예들의 실시를 통해 알 수 있을 것이다.
본 발명의 일 예시적인 양태는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법에 관한 것이다. 이 방법은 하나 이상의 컴퓨팅 디바이스에 의해, 디스플레이 디바이스 상에 디스플레이 가능한 맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하는 단계를 포함한다. 맵 타일은 지리적 영역의 적어도 일부와 관련된 이미지를 제시한다. 이 방법은 하나 이상의 컴퓨팅 디바이스에 의해, 지리적 영역의 적어도 일부분을 묘사하는 이미지를 기술하는 데이터를 획득하는 단계를 포함한다. 이미지는 이미지 획득 시스템에 의해 획득된다. 상기 방법은 하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역과 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터 및 상기 이미지를 기술하는 데이터를 분석하는 단계를 포함한다. 이 방법은 하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역과 관련된 변화의 발생에 적어도 부분적으로 기초하여 지리적 영역과 관련된 상기 변화를 반영하도록 상기 맵 인터페이스를 업데이트하는 단계를 포함한다.
본 발명의 다른 예시적인 양태는 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서에 의해 실행될 때 컴퓨팅 시스템으로 하여금 디스플레이 디바이스 상에 디스플레이 가능한 맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하게 하는 명령들을 저장하는 적어도 하나의 유형의 비-일시적 컴퓨터 판독 가능 매체를 포함하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템에 관한 것이다. 맵 타일은 지리적 영역의 적어도 일부와 관련된 이미지를 제시한다. 상기 명령들은 컴퓨팅 시스템으로 하여금 지리적 영역의 적어도 일부분을 묘사하는 이미지를 기술하는 데이터를 획득하게 한다. 상기 명령들은 컴퓨팅 시스템으로 하여금 지리적 영역과 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터 및 상기 이미지를 기술하는 데이터를 분석하게 한다. 상기 명령들은 컴퓨팅 시스템으로 하여금 지리적 영역과 연관된 변화의 발생에 적어도 부분적으로 기초하여 지리적 영역과 연관된 변화를 반영하도록 맵 인터페이스를 업데이트하게 한다.
본 발명의 다른 예시적인 양태는 맵 인터페이스를 업데이트하기 위한 시스템들, 장치들, 유형의 비-일시적 컴퓨터 판독 가능 매체들, 사용자 인터페이스들, 메모리 디바이스들 및 전자 디바이스들에 관한 것이다.
다양한 실시예의 이들 및 다른 특징들, 양태들 및 이점들은 다음의 설명 및 첨부된 청구 범위를 참조하여 더 잘 이해될 것이다. 첨부된 도면은 본 명세서에 통합되어 본 명세서의 일부를 구성하고, 본 발명의 실시예를 도시하고, 상세한 설명과 함께 관련 원리를 설명한다.
당해 기술 분야의 통상의 지식을 가진 자에게 지향된 실시예에 대한 상세한 설명은 첨부된 도면을 참조하여 본 명세서에서 설명된다.
도 1은 본 발명의 예시적인 실시예에 따른 예시적인 시스템을 도시한다.
도 2는 본 발명의 예시적인 실시예에 따른 예시적인 맵 인터페이스를 도시한다.
도 3은 본 발명의 예시적인 실시예에 따른 예시적인 맵 타일 및 지리적 영역의 이미지를 도시한다.
도 4는 본 발명의 예시적인 실시예에 따른 기계 학습 모델의 트레이닝을 도시한다.
도 5는 본 발명의 예시적인 실시예에 따라 부분들로 분할된 예시적인 맵 타일 및 이미지를 도시한다.
도 6은 본 발명의 예시적인 실시예에 따른 예시적인 기계 학습 모델을 도시한다.
도 7은 본 발명의 예시적인 실시예에 따른 예시적인 업데이트된 맵 인터페이스 를 도시한다.
도 8은 본 발명의 예시적인 실시예에 따른 예시적인 방법의 흐름도이다.
도 9는 본 발명의 예시적인 실시예에 따른 예시적인 방법의 흐름도이다.
도 10은 본 발명의 예시적인 실시예에 따른 예시적인 예시적인 시스템을 나타낸다.
이제, 하나 이상의 실시예(들)가 도면들에 예시된 실시예들에 대해 상세히 언급될 것이다. 각 실시예는 본 발명의 제한이 아니라 실시예에 대한 설명을 위해 제공된다. 실제로, 본 발명의 범위 또는 사상을 벗어나지 않고 다양한 변형 및 변경이 실시예들에 대해 이루어질 수 있음은 당업자에게 명백할 것이다. 예를 들어, 일 실시예의 일부로서 도시되거나 기술된 특징들은 또 다른 실시예와 함께 사용될 수 있다. 따라서, 본 발명의 양태들은 그러한 변형 및 변경을 포함하는 것으로 의도된다.
본 발명의 예시적인 양태들은 지리적 영역 내의 변화의 검출에 적어도 부분적으로 기초하여 맵(map) 인터페이스를 업데이트하는 것에 관한 것이다. 맵 인터페이스는 구글 맵, 구글 어스 등에서 제공되는 것과 같은 탐색 가능한(navigable) 맵 인터페이스일 수 있다. 맵 인터페이스는 복수의 맵 타일에 의해 구성될 수 있다. 각 타일은 지리적 영역 (예컨대, 주거 지역)과 관련된 이미지를 나타낼 수 있다. 맵 타일들은 사용자가 보고 맵 인터페이스와 상호 작용할 수 있도록 디스플레이 디바이스에 표시될 수 있다. 하나 이상의 기계 학습 모델을 갖는 컴퓨팅 시스템은 (예를 들어, 맵 타일 데이터베이스로부터) 맵 인터페이스의 특정 맵 타일을 획득할 수 있다. 컴퓨팅 시스템은 또한 (예를 들어, 이미지 데이터베이스로부터) 특정 맵 타일에 표시된 인접 영역(neighborhood)을 묘사하는 이미지를 획득할 수 있다. 상기 이미지는 예를 들어 이미지 획득 시스템의 이미지 캡처 플랫폼(예를 들어, 자동차, 항공기, 위성)에 의해 최근에 캡처된 이미지일 수 있다. 컴퓨팅 시스템은 맵 타일과 이미지를 분석하여 특정 맵 타일 및 대응하는 이미지에 기술된 인접 영역 내의 변화의 발생을 결정할 수 있다. 특히, 하나의 예에서, 컴퓨팅 시스템은 기계 학습된 이진 분류 모델을 사용하여 맵 타일 및 이미지를 평가하여 인접 영역내의 다양한 서브 영역(예를 들어, 토지 구획) 내의 건물, 도로 등의 변화를 식별할 수있다. 컴퓨팅 시스템은 서브 영역들에서 발생한 변화에 적어도 부분적으로 기초하여 지리적 영역에 대한 전반적인 변화 레벨을 결정할 수 있다. 변화가 발생하는 경우(예를 들어, 임계 레벨 이상의), 컴퓨팅 시스템은 이웃 영역과 관련된 변화를 반영하도록 맵 인터페이스를 업데이트할 수 있다. 더욱이, 인접 영역이 높은 레벨(수준)의 변화를 겪고 있는 경우, 컴퓨팅 시스템은 또한 인접 영역과 관련된 이미지들을 보다 자주 획득하도록 이미지 획득 시스템을 태스킹하여, 시스템이 인접 영역에서의 향후 변화들을 모니터링하고 검출할 수 있게 할 수 있다. 이러한 방식으로, 컴퓨팅 시스템은 맵 인터페이스의 맵 타일들을 보다 효율적으로 리프레시하기 위해 지리적 영역 내의 변화 검출을 사용하여 맵 인터페이스의 정확도를 증가시킬 수 있다.
본 발명의 양태에 따른 예시적인 시스템은 맵 데이터베이스, 이미지 획득 시스템 및 기계 학습 컴퓨팅 시스템을 포함할 수 있다. 맵 데이터베이스는 맵 인터페이스를 렌더링하는데 사용될 수 있는 복수의 맵 타일을 저장할 수 있다. 맵 타일 각각은 지리적 영역의 적어도 일부와 관련된 이미지를 나타낼 수 있다. 지리적 영역은 천체(예를 들어, 지구, 달, 화성, 다른 천체)의 영역, 국가의 영역, 주, 자치제, 토지 경계로 정의된 영역, 인접 영역, 하위 영역(subdivision), 학교 지구, 쇼핑 센터, 사무실 공원 등을 포함할 수 있다.
이미지 획득 시스템은 지리적 영역과 관련된 이미지들을 획득하도록 구성된 하나 이상의 이미지 캡처 플랫폼(들)을 포함할 수 있다. 이미지 포착 플랫폼은 하나 이상의 도로-레벨 플랫폼(예컨대, 자동차, 다른 그라운드 기반 이미징 플랫폼, 도로 레벨 이미지를 획득하기 위해 더 낮은 고도에서 주행하는 공중 플랫폼) 및/또는 공중 플랫폼(예컨대, 항공기, 헬리콥터, 무인 항공기(UAV), 풍선, 위성, 다른 오버 헤드 이미징 플랫폼)을 포함한다. 이미지 캡처 플랫폼은 이미지 획득 패턴(예를 들어, 운행 경로 설정, 이미지 획득 빈도, 줌 레벨들)에 적어도 부분적으로 기초하여 지리적 영역의 이미지들을 획득하도록 구성될 수 있다.
일부 구현예에서, 이미지 획득 시스템에 의해 획득된 이미지들은 지리적 영역들의 이미지를 저장하는 액세스 가능한 이미지 데이터베이스에 저장될 수 있다. 이미지 데이터베이스는 기계 학습 컴퓨팅 시스템 및 이미지 획득 시스템과는 별도로 이미지 획득 시스템 자체, 기계 학습 컴퓨팅 시스템 및/또는 다른 컴퓨팅 시스템과 연관될 수 있다. 이미지 데이터베이스는 지리적 영역들과 관련된 다양한 유형의 이미지 데이터를 저장할 수 있다. 예를 들어, 이미지 데이터는 그라운드 레벨 이미지(예를 들어, 도로-레벨의 파노라마 이미지, 빛 감지 및 거리 측정(LIDAR) 데이터 세트, 그라운드 레벨 또는 그 부근의 다른 이미지)뿐만 아니라 오버 헤드 이미지(예를 들어, 오버 헤드 부를 갖는 이미지)를 포함할 수 있다. 상기 이미지들은 광학 이미지, 적외선 이미지, LIDAR 데이터 이미지, 초분광 이미지 또는 임의의 다른 유형의 이미지일 수 있다. 부가적으로 및/또는 대안적으로, 이미지들은 사용자가 제출한 이미지(예컨대, 사진)일 수 있다. 기계 학습 컴퓨팅 시스템은 본 명세서에 기술된 바와 같은 이미지들(예를 들어, 오버 헤드 이미지들에 대한 오버 헤드)의 비교를 용이하게 하기 위해 (이미지 데이터베이스로부터의) 유사한 이미지들에 액세스할 수 있다.
기계 학습 컴퓨팅 시스템은 매핑 서비스 제공자(예를 들어, Google Maps, Google Earth)와 관련될 수 있다. 컴퓨팅 시스템은 지리적 영역과 연관된 맵 타일 데이터 및 이미지 데이터를 평가할 수 있다. 예를 들어, 컴퓨팅 시스템은 (예를 들어, 맵 데이터베이스로부터) 맵 인터페이스의 맵 타일을 획득할 수 있다. 맵 타일은 지리적 영역의 적어도 일부와 연관된 이미지를 나타낼 수 있다. 맵 타일은 처음 생성할 수 있다. 컴퓨팅 시스템은 또한 (예를 들어, 이미지 데이터베이스로부터) 지리적 영역의 적어도 일부분을 기술하는 이미지를 획득할 수 있다. 상기 이미지는 제1 시간 보다 늦은 제2 시간에 (예를 들어, 이미지 캡처 플랫폼, 사용자 제출을 통해) 이미지 획득 시스템에 의해 획득될 수 있다.
일부 구현예에서, 컴퓨팅 시스템은 위치 데이터에 적어도 부분적으로 기초하여 관심의 지리적 영역을 식별할 수 있다. 예를 들어, 컴퓨팅 시스템은 복수의 사용자 디바이스(예를 들어, 전화기, 태블릿, 다른 모바일 컴퓨팅 디바이스)와 관련된 위치 데이터를 획득할 수 있다. 위치 데이터는 사용자 디바이스와 연관된 위치를 기술하는 것일 수 있다. 예를 들어, 위치 데이터는 사용자 디바이스와 관련된 위도 및 경도를 식별하는 지오코드(geocode)를 포함하는 하나 이상의 원시(raw) 위치 리포트(들)를 포함할 수 있다. 이것은 컴퓨팅 시스템이 특정 지리적 영역과 관련된 중요도의 레벨을 결정할 수 있게 한다. 예로서, 위치 데이터는 다수의 사용자가 최근에 특정 인접 영역(또는 인접 영역내의 하위 영역)을 방문하였음을 나타낼 수 있다. 많은 양의 사용자 트래픽은 인접 영역과 관련된 높은 중요도(예를 들어, 사용자 관심, 잠재적 변화 영역)의 레벨을 기술하는 것일 수 있다. 이와 같이, 컴퓨팅 시스템은 변화의 발생을 결정해야 하는 관심의 지리적 영역으로서 인접 영역을 식별할 수 있다.
컴퓨팅 시스템은 맵 타일 및 이미지를 분석하여 지리적 영역과 관련된 변화의 발생을 결정할 수 있다. 예를 들어, 컴퓨팅 시스템은 맵 타일 및 이미지를 분석하여, 관심의 인접 영역내의 새로운 건물 및/또는 도로의 추가, 진행중인 빌딩 및/또는 도로 건설, 건물 및/또는 도로의 제거, 진행중인 빌딩 및/또는 도로 파괴 등을 결정할 수 있다. 그렇게 하기 위해, 컴퓨팅 시스템은 기계 학습된 이진 분류 모델을 이용하여 지리적 영역 내의 변화를 검출할 수 있다. 이진 분류 모델은 기계 학습 모델 일 수 있거나 그렇지 않으면 신경망(예컨대, 심층 신경망) 또는 다른 다층 비선형 모델과 같은 다양한 기계 학습 모델을 포함할 수 있다.
이진 분류 모델은 맵 타일 및 이미지에 제시된 이미지를 검사함으로써 지리적 영역 내의 변화의 발생을 검출하도록 구성될 수 있다. 예를 들어, 컴퓨팅 시스템은 (예를 들어, 지리적 영역을 기술하는) 맵 타일을 제1 복수의 셀들로 분할할 수 있다. 컴퓨팅 시스템은 지리적 영역의 이미지를 제2 복수의 셀로 분할할 수 있다. 각각의 셀은 더 큰 지리적 영역(예를 들어, 인접 영역)의 타겟, 서브-영역(예를 들어, 토지 구획)을 묘사할 수 있다. 컴퓨팅 시스템은 제1 복수의 셀들로부터 제1 셀을 선택하고 제2 복수의 셀들로부터 대응하는 제2 셀을 선택할 수 있다. 예를 들어, 제1 셀 및 제2 셀은 지리적 영역의 동일한 (또는 유사한) 서브 영역과 관련될 수 있다. 컴퓨팅 시스템은 제1 및 제2 셀을 기술하는 데이터를 기계 학습된 이진 분류 모델에 입력할 수 있다. 이 데이터는 개별 셀에 표현된 이미지의 부분(예컨대, 개별 픽셀) 뿐만 아니라 그와 연관된 시각적 특성을 포함할 수 있다.
상기 모델은 타겟, 서브 영역(예를 들어, 인접 영역의 토지 구획)과 관련된 변화(예를 들어, 빌딩 변화, 도로 변화)의 발생을 식별할 수 있다. 예를 들어, 모델은 제1 및 제2 셀의 하나 이상의 시각적 특성(예를 들어, 픽셀 컬러, 강도, 묘사된 객체)을 비교함으로써 타겟, 서브 영역과 관련된 변화의 발생을 식별하도록 트레이닝될 수 있다. 모델은 변화가 맵 타일이 생성되고 이미지가 캡처된 시간사이에서 발생했는지 여부(예컨대, "1") 또는 변화가 발생하지 않았는지의 여부(예컨대, "0")와 같은 이진 방식으로 변화의 발생을 분류할 수 있다. 이진 분류 모델은 변화가 셀들에 표현된 서브 영역 내에서 발생했는지 여부를 기술하는 출력을 생성할 수 있다. 이 프로세스는 맵 타일 및 이미지의 다른 셀에 대해 반복되어 지리적 영역의 다수의 서브 영역 내에서 변화 발생을 식별할 수 있다.
일부 구현예에서, 컴퓨팅 시스템은 지리적 영역과 관련된 변화 레벨을 결정할 수 있다. 변화 레벨은 지리적 영역이 겪은 전반적인 변화를 나타낼 수 있다. 변화 레벨은 지리적 영역의 서브 영역들에서 발생한 변화들에 적어도 부분적으로 기초할 수 있다. 예를 들어, 컴퓨팅 시스템은 각 서브-영역(예컨대, 토지 구획)에 대해 결정된 변화 발생을 집계함으로써 지리적 영역(예컨대, 인접 영역)과 관련된 변화의 레벨을 결정할 수 있다. 일부 구현예에서, 지리적 영역에 대한 전체 변화 레벨은 지리적 영역의 각 서브 영역에 대해 결정된 이진 분류(예컨대, 0, 1)를 가산함으로써 결정될 수 있다. 예를 들어, 지리적 영역은 각각이 서브-영역을 기술하는 224개의 셀로 분할될 수 있다. 이진 분류 모델은 서브 영역들 중 150개가 변화를 겪지 않는(예컨대, "0" 출력) 반면, 서브 영역들 중 74개는 변화를 겪고 있음(예컨대, "1" 출력)을 결정할 수 있다. 따라서, 지리적 영역에 대한 변화 레벨은 이진 분류의 합계(예를 들어, 150개의 "0" + 74개의 "1")를 나타내는 74일 수 있다. 이 값은 셀의 크기를 표준화하기 위해 더 정규화될 수 있다(예를 들어, 74/(74 + 150) = .33). 본 명세서에서 더 설명되는 바와 같이, 일부 구현예에서, 컴퓨팅 시스템은 사각형 거리 당 변화 레벨 및/또는 가중 접근법을 사용할 수 있다.
컴퓨팅 시스템은 지리적 영역과 연관된 변화의 발생에 적어도 부분적으로 기초하여 지리적 영역과 관련된 변화를 반영하도록 맵 인터페이스를 업데이트할 수 있다. 예를 들어, 컴퓨팅 시스템은 지리적 영역에서의 변화를 반영하기 위해 새로운 맵 타일을 생성하도록 맵 타일 관리 시스템에 지시할 수 있다. 일부 구현예에서, 컴퓨팅 시스템은 변화 레벨이 (예를 들어, 상당한 변화 레벨 및/또는 변화율을 기술하는) 임계값을 초과할 때 그렇게 할 수 있다. 컴퓨팅 시스템은 맵 인터페이스의 상기 분석된 맵 타일을 지리적 영역의 변화를 반영하는 새로운 맵 타일로 대체 할 수 있다.
일부 구현예에서, 컴퓨팅 시스템은 변화 레벨에 적어도 부분적으로 기초하여 지리적 영역과 관련된 이미지 데이터의 획득을 조정하기 위해 이미지 획득 시스템에 제어 명령을 제공할 수있다. 예를 들어, 지리적 영역과 관련된 변화 레벨이 (예를 들어, 임계치 이상) 높으면, 제어 명령은 지리적 영역과 관련된 이미지 데이터의 획득을 증가시키도록 이미지 획득 시스템에 지시할 수 있다. 변화 레벨이 낮은(또는 변화가 발생하지 않은) 경우, 컴퓨팅 시스템은 현재의 획득 방법을 유지하거나 지리적 영역과 관련된 이미지 데이터의 획득을 감소시키도록 이미지 획득 시스템에 지시할 수 있다. 이미지 획득 시스템은 제어 명령을 수신하여, 이미지 획득에서 그러한 변화를 구현하기 위해, 이미지 획득 시스템은 도로 레벨 플랫폼 및/또는 공중 플랫폼과 관련된 획득 패턴을 조정할 수 있다. 예를 들어, 플랫폼이 더 자주 지리적 영역(예컨대, 인접 영역)과 관련된 이미지들을 캡처할 수 있도록 이동 (travel) 패턴(예컨대, 주행 경로, 비행 경로) 및/또는 이미지 캡처 플랫폼과 관련된 이미지 캡처 빈도가 조정될 수 있다. 컴퓨팅 시스템은 새롭게 캡처된 이미지들을 상기 맵 인터페이스의 맵 타일들과 비교하여, 지리적 영역에서 발생할 수 있는 변화들을 모니터하고 확인하고, 이에 따라 맵 타일들을 업데이트할 수 있다.
본 발명의 시스템 및 방법은 환경에서 발생하는 변화들을 반영하기 위해 맵의 업데이트를 최적화하는 것을 도울 수 있다. 특히, 본 발명의 실시예들은 더 높은 레벨의 변화를 겪고 있는 특정 영역들(맵 타일로 표현된)을 식별하고 이에 따라 이들 영역들의 맵을 업데이트하고자 한다. 따라서, 개별 맵 타일이 업데이트되는 속도(rate)는 타일로 표시된 영역들에서 발생하는 변화의 양을 반영할 것이다. 예를 들어, 도로 및/또는 건물 수의 증가와 함께 인프라의 급격한 증가를 겪고 있는 지리적 영역들은 시간이 지남에 따라 변화가 거의 없는 영역들보다 더 자주 업데이트될 수 있다. 이러한 방식으로, 실시예는 데이터 프로세싱이 실제 변화들이 일어나는 맵 타일들로 제한되도록 보장할 수 있다. 따라서, 종래의 기술과는 대조적으로, 본 명세서에 설명된 실시예는 맵을 전체적인 방식(wholesale fashion)으로 업데이트할 필요가 없으므로, 연속 이미지사이에 차이가 거의 없는 영역을 업데이트할 필요가 없다. 그렇게 함으로써, 실시예들은 중요한 변화가 이루어지지 않은 맵 타일을 다시 생성할 필요성을 피할 수 있어, 맵 업데이트에 관련된 계산적 부담을 감소시킬 수 있다.
본 발명의 시스템 및 방법은 맵 인터페이스 컴퓨팅 기술에 대한 개선점을 제공한다. 예를 들어, 시스템은 맵 타일 및 이미지를 분석하여 지리적 영역과 관련된 변화의 발생을 결정하여, 지리적 영역과 관련된 변화의 발생에 적어도 부분적으로 기초하여 (맵 타일에 표시된) 지리적 영역과 관련된 변화를 반영하도록 맵 인터페이스를 업데이트함으로써 맵 인터페이스 리프레시 레이트를 조정할 수 있다. 이와 같이, 컴퓨팅 기술은 자원들이 변화되지 않은 부분이 아니라 변화를 겪고 있는 맵 인터페이스의 부분들을 리프레시하는데 사용되도록 보장할 수 있다. 게다가, 이는 컴퓨팅 기술이 적절한 시간에 맵 인터페이스를 효율적으로 업데이트하는 한편, 묘사된 지리적 영역 내에서 보다 많은 현재 상태를 반영하도록 맵 인터페이스의 정확도를 증가시킬 수있게 한다.
게다가, 본 발명의 예시적인 양태들에 따른 변화 검출에 적어도 부분적으로 기초하여 이미지 획득 시스템을 태스킹하는 것은 지리적 이미지 획득에 대한 보다 효율적인 접근법을 나타낸다. 특히, 본 발명의 시스템 및 방법은 보다 높은 레벨의 변화를 겪고 있는 특정 영역들을 식별하고 그에 따라 이미지의 획득을 조정하고 자한다. 이것은 컴퓨팅 시스템이 지리적 영역에서 일어나는 변화를 모니터링하고 이에 따라 맵 인터페이스를 업데이트할 수 있게 해준다.
또한, 세분화된 셀룰러 레벨의 변화를 결정하기 위해 기계 학습된 이진 분류 모델의 사용은 저해상도 이미지를 사용하여 변화를 결정할 수 있게 한다. 더 상세하게는, 이진 방식(예를 들어, 변화가 발생했는지 또는 발생하지 않았는지)으로 이미지에 대한 세분화된 셀룰러 레벨의 변화를 식별함으로써, 컴퓨팅 시스템은 고해상도의 이미지를 필요로 하는 각 셀에 표현된 더 작은 서브 영역들 내의 변화의 유형 또는 크기를 결정할 필요없이 저해상도의 이미지 데이터를 사용할 수 있다. 저해상도 이미징을 사용하면 (예를 들어, 저렴한 저해상도 플랫폼 하드웨어의 사용을 통해) 이미지 획득 비용을 낮출 수 있다.
본 발명의 시스템 및 방법은 이미지 획득 및 분석 컴퓨터 기술에 대한 개선을 제공한다. 예를 들어, 시스템은 지리적 영역과 관련된 변화의 발생을 결정하기 위해 맵 타일 및 이미지를 분석하여, 지리적 영역과 관련된 변화 레벨을 결정함으로써 이미지 획득을 조정할 수 있다. 또한, 컴퓨팅 시스템은 하나 이상의 셀을 기술하는 데이터를 기계 학습된 이진 분류 모델로 입력하고 이진 분류 모델로부터 출력을 수신함으로써 저해상도 이미지를 사용하여 변화를 검출할 수 있다. 출력은 지리적 영역의 (예를 들어, 셀로 표현된) 서브 영역과 관련된 변화의 발생을 기술하는 것일 수 있다. 이는 컴퓨팅 기술이 보다 낮은 대역폭에서 동작하고, (예를 들어, 저해상도 이미지의) 더 빠른 데이터 다운로드/업로드를 겪고, 다른 분석 및/또는 이미지 프로세싱 동작에 할당될 수 있는 계산 자원(및 비용)을 절약할 수 있게 한다.
도 1은 본 발명의 예시적인 실시예에 따른 예시적인 시스템(100)을 나타낸다. 시스템(100)은 기계 학습 컴퓨팅 시스템(102), 맵 데이터베이스(103) 및 이미지 획득 시스템(104)을 포함할 수 있다. 컴퓨팅 시스템(102), 맵 데이터베이스 (103) 및/또는 이미지 획득 시스템(104)은 직접 접속을 통해 서로간에 데이터를 통신 및/또는 전송하도록 구성될 수 있고 및/또는 하나 이상의 통신 네트워크(들)를 통해 결합될 수 있다.
컴퓨팅 시스템(102)은 (Mountain View, Calif 소재의) 구글 Inc.에 의해 개발된 구글 맵 또는 구글 어스 또는 다른 적절한 지리 서비스와 같은 매핑 서비스 제공자와 관련될 수 있다. 컴퓨팅 시스템(102)은 디스플레이 디바이스에 디스플레이하기 위한 탐색 가능한 맵 사용자 인터페이스를 제공하도록 구성될 수 있다. 컴퓨팅 시스템(102)은 하나 이상의 컴퓨팅 디바이스(들)(106)를 포함할 수 있다. 본 명세서에서 더 설명되는 바와 같이, 컴퓨팅 디바이스(들)(106)는 하나 이상의 프로세서 들) 및 하나 이상의 메모리 디바이스(들)를 포함할 수 있다. 하나 이상의 메모리 디바이스(들)는 하나 이상의 프로세서(들)에 의해 실행될 때 하나 이상의 프로세서(들)로 하여금, 예를 들어, 이미지들을 분석하고 맵 인터페이스를 업데이트하기 위해 본 명세서에 설명된 것과 같은 동작들 및 기능들을 수행하게 하는 명령들을 저장할 수 있다.
맵 데이터베이스(103)는 맵 인터페이스를 렌더링하는데 사용될 수 있는 복수의 맵 타일을 저장할 수 있다. 맵 타일들 각각은 지리적 영역의 적어도 일부와 관련된 이미지를 나타낼 수 있다. 지리적 영역은 천체(예컨대, 지구, 달, 화성, 다른 천체)의 영역, 국가의 영역, 주(state), 자치제, 토지 경계로 정의된 영역, 인접 영역, 하위 영역, 학교 지구, 쇼핑 센터, 사무실 공원, 수로 등을 포함할 수 있다. 해상도에 따라(예를 들어, 맵이 확대(줌인) 또는 축소(줌아웃)되었는지 여부), 하나의 맵 타일은 전체 영역(예컨대, 주)을 비교적 세밀하게 커버할 수 있다. 다른 맵 타일은 몇 개의 거리만 세부적으로 표시할 수 있다. 맵 데이터베이스(103)에 저장된 데이터는 어떤 특정한 포멧으로 제한되지 않는다. 예를 들어, 데이터는 거리 맵, 이미지 캡처 플랫폼에서 캡처된 이미지 데이터, 및/또는 이들의 조합을 포함할 수 있고, (특히 거리 맵들과 관련하여) 벡터 또는 (특히 이미지들과 관련하여) 비트 맵으로 저장될 수 있다. 다양한 맵 타일은 지리적 영역과 각각 연관되어, (예를 들어, 특정 지리적 영역으로 지시된 사용자 입력의 수신에 응답하여) 서버가 맵 인터페이스에서의 프리젠테이션을 위해 하나 이상의 타일을 선택, 검색 및 전송할 수 있도록 한다. 예를 들어, 컴퓨팅 시스템 (102)은 맵 데이터베이스(103)에 저장된 맵 타일들에 액세스하여 이들을 획득하고, 맵 타일들에 적어도 부분적으로 기초하여 맵 인터페이스를 렌더링할 수 있다. 일부 구현 예에서, 맵 데이터베이스(103)는 컴퓨팅 시스템(102)에 포함될 수 있고 및/또는 컴퓨팅 시스템(102)과 연관될 수 있다.
이미지 획득 시스템(104)은 하나 이상의 지리적 영역(들)과 관련된 이미지 데이터를 관리하고 획득하도록 구성될 수 있다. 이미지 획득 시스템(104)은 하나 이상의 프로세서(들) 및 하나 이상의 메모리 디바이스(들)를 포함하는 하나 이상의 컴퓨팅 디바이스(들)를 포함할 수 있다. 하나 이상의 메모리 디바이스(들)는 하나 이상의 프로세서(들)에 의해 실행될 때 하나 이상의 프로세서(들)로 하여금 예를 들어, 이미지 데이터의 획득 및 이미지 데이터의 획득을 관리하기 위한 동작들 및 기능들을 수행하게 하는 명령들을 저장할 수 있다.
이미지 획득 시스템(104)은 지리적 영역과 관련된 이미지를 획득하도록 구성된 하나 이상의 이미지 캡처 플랫폼(들)(108A-108B)을 포함할 수 있다. 이미지 캡처 플랫폼(들)(108A-B)은 하나 이상의 도로 레벨 플랫폼(들)(108A)(예컨대, 자동차, 도로 레벨 이미지를 획득하기 위해 저고도에서 운행하는 공중 플랫폼, 다른 그라운드 기반 이미징 시스템) 및/또는 공중 플랫폼(들(108B)(예컨대, 항공기, 헬리콥터, 무인 공중 차량(UAV), 풍선, 위성, 오버헤드 이미지를 캡쳐하도록 구성된 고정 구조체, 다른 오버 헤드 이미징 플랫폼)을 포함할 수 있다. 이미지 캡처 플랫폼(들)(108A-B)은 이미지 획득 패턴(110A-B) 각각에 적어도 부분적으로 기초하여 지리적 영역의 이미지들을 획득하도록 구성될 수 있다. 이미지 획득 패턴(110A-B)은 하나 이상의 이미지 획득 파라미터를 포함할 수 있다. 예를 들어, 획득 패턴(110A-B)은 운행 경로 (예컨대, 주행 경로, 비행 경로, 비행 계획, 비행 궤적), 하나 이상의 위치(들)(예컨대, 이미지가 획득될 위치의 식별자/좌표), 하나 이상의 시가(들)(예컨대, 획득 시간, 활성 시간, 수동 시간, 다운 로드 시간), 하나 이상의 이미지 획득 빈도(예컨대, 영역의 이미지가 캡처되는 횟수), 하나 이상의 줌 레벨(들), 이미지의 공간 해상도 및/또는 지리적 영역의 이미지 데이터의 획득과 관련된 다른 이미지를 기술하는 데이터를 포함할 수 있다. 이미지 획득 시스템(104)은 이미지 획득 패턴(110A-B)(및/또는 파라미터)을 조정하고 및/또는 이미지 캡처 플랫폼(들)(108A)으로 제어 명령을 전송함으로써 이미지 캡처 플랫폼(들)(108A-B)을 제어할 수 있다. 본 발명의 시스템 및 방법을 사용함으로써, 이미지 캡처 플랫폼(들)(108A-B)은 저해상도 이미지(예를 들어, 약 1m/픽셀)를 캡처할 수 있다. 일부 구현예에서, 이미지는 약 30m/픽셀(예를 들어, LandSat 이미지)와 같은 해상도를 포함할 수 있다. 이와 같이, 이미지 캡처 하드웨어는 고해상도 이미지에 대해 요구되는 것보다 비용이 적게 든다. 더욱이, 이미지 캡처 플랫폼(들)(108A-B)로부터 캡쳐된 이미지를 획득하기 위하여 이미지 획득 시스템(104)에 더 적은 대역폭이 필요하다. 또한, 저해상도 이미지 데이터의 사용은 이미지 캡처 플랫폼(들)(108A-B)로부터의 다운로드/다운 링크 시간을 감소시킬 수 있다.
시스템 (100)은 지리적 영역의 이미지를 저장하는 접근 가능한 이미지 데이터베이스 (112)를 더 포함 할 수있다.
이미지 데이터베이스 (112)는 컴퓨팅 시스템 (102), 이미지 획득 시스템 (104), 및 / 또는 머신 학습 컴퓨팅 시스템 (102) 및 이미지 획득 시스템 (104)과 별 개인 다른 컴퓨팅 시스템과 연관 될 수있다.
시스템(100)은 지리적 영역의 이미지를 저장하는 액세스 가능한 이미지 데이터베이스(112)를 더 포함할 수 있다. 이미지 데이터베이스(112)는 기계 학습 컴퓨팅 시스템(102) 및 이미지 획득 시스템(104)과 별개인 컴퓨팅 시스템(102), 이미지 획득 시스템(104) 및/또는 다른 컴퓨팅 시스템(114)과 관련될 수 있다. 이미지 데이터베이스(112)는 지리적 영역과 관련된 다양한 유형의 이미지 데이터를 저장할 수 있다. 예를 들어, 이미지 데이터는 그라운드-레벨 이미지(예컨대, 도로-레벨 파노라마 이미지, 빛 감지 및 거리 측정(LIDAR) 데이터 세트, 그라운드 레벨 또는 그 부근의 다른 이미지)뿐만 아니라 오버 헤드 이미지(예컨대, 오버헤드 뷰를 갖는 이미지)를 포함할 수 있다. 이미지들은 광학 이미지, 적외선 이미지, LIDAR 데이터 이미지, 초분광 이미지 또는 다른 유형의 이미지일 수 있다. 이미지들은 이미지 캡처 플랫폼(108A-B), 사용자 제출 이미지(예컨대, 사용자에 의해 캡처된 이미지) 및/또는 다른 방식으로 획득(예컨대, 구매)될 수 있다. 본 명세서에 기술된 바와같이 이미지들은 저해상도일 수 있다. 일부 구현예에서, 이미지들은 이미지에 도시된 지리적 영역을 묘사하는 맵 타일을 생성하는데 사용될 수 있다.
컴퓨팅 디바이스(들)(106)은 맵 인터페이스의 맵 타일을 획득하도록 구성될 수 있다. 예를 들어, 도 2는 본 발명의 예시적인 실시예에 따른 예시적인 맵 인터페이스(200)를 도시한다. 본 명세서에 기술된 바와 같이, 맵 인터페이스(200)는 구글 맵, 구글 어스 등이 제공하는 것과 같은 (예를 들어, 사용자 디바이스) 디스플레이 디바이스(201) 상에 디스플레이 가능한 탐색 가능한 맵 인터페이스 일 수 있다. 맵 인터페이스(200)는 복수의 맵 타일로 구성될 수 있다. 각 타일은 지리적 영역과 연관된 이미지를 나타낼 수 있다. 맵 타일들은 디스플레이 디바이스(201) 상에 디스플레이되어, 사용자는 맵 인터페이스(200)에 제시된 다양한 위치를 보고 맵 인터페이스(200)와 상호 작용할 수 있다. 예를 들어, 도 2에 도시된 바와 같이, 맵 인터페이스(200)는 맵 타일(202)을 포함한다. 맵 타일(202)은 지리적 영역(204) (예를 들어, 주거 지역)의 적어도 일부와 관련된 이미지를 나타낼 수 있다. 도 1에 도시된 바와 같이, 컴퓨팅 디바이스(들)(106)는 예를 들어 맵 데이터베이스(103)로부터 맵 인터페이스(200)의 맵 타일(202)을 기술하는 데이터(114)를 획득하도록 구성될 수 있다.
컴퓨팅 디바이스(들)(106)는 또한 지리적 영역(204)의 적어도 일부를 묘사하는 이미지를 기술하는 데이터(116)를 획득하도록 구성될 수 있다. 도 3은 본 발명의 예시적인 실시예에 따른 맵 타일(202) 및 이미지(302)를 도시한다. 이미지(302)는 지리적 영역(204)의 적어도 일부를 나타낼 수 있다. 비교를 용이하게 하기 위해, 이는 맵 타일(202)에 제시된 지리적 영역(204)과 동일할 수 있다(또는 실질적으로 유사하다). 도 2 및 도 3에 도시된 지리적 영역(204)은 주거 지역을 포함하지만 이에 한정되지는 않는다. 지리적 영역(204)은 천체(예를 들어, 지구, 달, 화성, 다른 천체)의 영역, 국가의 영역, 주, 자치체, 도로 경계로 정의된 영역, 인접 영역, 아위 영역, 학교 지구, 쇼핑 센터, 사무실 공원, 수역, 수로 등을 포함할 수 있다.
맵 타일(202) 및 이미지(302)는 상이한 시간과 연관될 수 있다. 예를 들어, 맵 타일(202)은 제1 시간(306A)(예를 들어, t1)에서 생성될 수 있고 및/또는 제1 시간(306A)에서 캡처된 이미지 데이터에 기초하여 생성될 수 있다. 이미지(302)는 제1 시간(306A)과 다른(예를 들어, 늦은) 제2 시간(306B)(예를 들어, t2)에서 이미지 획득 시스템(104)에 의해 캡처 및/또는 획득될 수 있다. 이미지(302)는 예를 들어, (예컨대, 제1 시간(306A)보다) 이미지 획득 시스템(104)의 이미지 캡처 플랫폼(108A-B)에 의해 보다 최근에 캡처된 이미지일 수 있다. 한편, 도 3은 단지 하나의 이미지(302)를 도시하지만, 당업자는 본 명세서에 설명된 분석을 위해 더 많은 이미지가 사용될 수 있다는 것을 이해할 것이다. 일부 구현예에서, 데이터(116)는 지리적 영역(204)의 적어도 일부를 나타내는 하나 이상의 이미지(들)를 기술할 수있다.
도 1로 되돌아가서, 컴퓨팅 디바이스(들)(106)는 복수의 사용자 디바이스들(120)(예를 들어, 모바일 디바이스, 개인 통신 디바이스, 스마트 폰, 네비게이션 시스템, 랩탑 컴퓨터, 태블릿, 웨어러블 컴퓨팅 디바이스, 다른 컴퓨팅 디바이스)와 관련된 위치 데이터(118)를 획득하도록 구성될 수 있다. 위치 데이터(118)는 사용자 디바이스의 위치 및/또는 지리적 영역(204)에 위치된 사용자 디바이스(120)의 수를 기술하는 것일 수 있다. 예를 들어, 위치 데이터(118)는 각각의 사용자 디바이스(120)와 관련된 위도 및 경도, 좌표, 시멘틱 위치 등을 식별하는 지오코드를 포함하는 하나 이상의 원시 위치 리포트(report)(들)를 포함할 수 있다. 위치 리포트(들) 각각은 관련 위치 및 시간을 기술하는 적어도 한 세트의 데이터를 포함할 수 있다. 사용자 디바이스(120)는 (예를 들어, 복수의 위치 리포트를 기술하는) 위치 데이터(118)를 컴퓨팅 디바이스(들)(106)로 제공할 수 있고 및/또는 컴퓨팅 디바이스(들)(106)는 다른 컴퓨팅 디바이스로부터 위치 데이터(118)를 획득할 수 있다. 컴퓨팅 디바이스(들)(106)는 위치 데이터(118)에 적어도 부분적으로 기초하여(예를 들어, 위치 리포트들의 집계를 통해) 지리적 영역(204)에 위치된 사용자 디바이스의 수를 결정하도록 구성될 수 있다.
컴퓨팅 디바이스(들)(106)는 위치 데이터(118)에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 중요도(122)(예컨대, LIMP)의 레벨을 결정하도록 구성될 수 있다. 상기 중요도 레벨(122)은 (소정 시간 내에) 지리적 영역(204)에 위치하도록 지시된 사용자 디바이스 및/또는 사용자의 수에 적어도 부분적으로 기초하여 지리적 영역(204)에서의 관심 레벨을 기술할 수 있다. 시간(time period)은 최근 시간(예컨대, 일, 주, 달, 년, 여러 해)이 될 수 있다. 예로써, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)(예컨대, 주거 지역)에 위치하는 사용자 디바이스(예컨대, 리포팅하는 사용자 디바이스(120))의 수가 최근 시간 프레임(예를 들어, 지난 몇 개월) 내에서 높았음을 (위치 데이터(118)에 적어도 부분적으로 기초하여) 결정할 수 있다. 이 특정 예에서, "높음(high)"이라는 용어는 전형적으로 또는 이력적으로 지리적 영역(204)에 위치하는 사용자(및/또는 사용자 디바이스)의 수와 관련될 수 있다. 이러한 더 많은 수의 사용자는 지리적 영역(204)과 관련된 더 높은 중요도 레벨(예를 들어, 사용자 관심, 잠재적 변화 영역, 잠재적 건설)을 나타낼 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 중요도 레벨에 적어도 부분적으로 기초하여 맵 타일(202)을 식별하도록 구성될 수 있다. 예를 들어, 지리적 영역(204)과 관련된 중요도 레벨(122)이 높은 경우, 컴퓨팅 디바이스(들)(106)는 변화의 발생을 결정해야 하는 관심 영역으로서 지리적 영역(204)(예컨대, 인접 영역)을 식별할 수 있다. 따라서, 컴퓨팅 디바이스(들)(106)는 결정된 중요도 레벨(122)(사용자 관심을 나타내는 높은 중요도 레벨)에 적어도 부분적으로 기초하여 적어도 하나의 이미지(202)(예를 들어, 지리적 영역(204)의 적어도 일부를 묘사하는)와 관련된 이미지를 나타내는 맵 타일(202)을 기술하는 데이터(114)를 획득할 수 있다. 부가적으로 및/또는 대안적으로, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 이미지를 획득하기 위해 (예를 들어, 제어 명령(124)을 통해) 이미지 획득 시스템(104)에 지시할 수 있다. 이미지 획득 시스템(104)은 제어 명령(124)을 수신할 수 있고, 필요한 경우, 이미지 획득 시스템(104)은 지리적 영역(204)의 적어도 일부를 묘사하는 최근의, 새로운, 현재 등의 이미지들을 획득하기 위해 하나 이상의 이미지 캡처 플랫폼(들)(108A-108B)과 관련된 하나 이상의 획득 패턴(들)(110A-B)을 조정할 수 있다. 이러한 이미지들은 지리적 영역(204)에 관한 이미지 분석을 위해 컴퓨팅 디바이스(들)(106)로 전송되거나 및/또는 컴퓨팅 디바이스(106)에 의해 획득되는 데이터(116)(또는 다른 데이터)에 포함될 수 있다.
컴퓨팅 시스템(102)은 지리적 영역(204)과 관련된 하나 이상의 변화(들)의 발생을 식별하도록 구성된 하나 이상의 기계 학습 모델(들)을 포함할 수 있다. 모델(들)은 신경망(예컨대, 심층 신경망) 또는 다른 다층 비선형 모델과 같은 다양한 기계 학습 모델일 수 있거나 포함할 수 있다. 예를 들어, 컴퓨팅 시스템(102)은 기계 학습된 이진 분류 모델(126)을 포함할 수 있다. 이진 분류 모델(126)은 (예를 들어, 맵 타일 및 이미지의 비교에 기초하여) 지리적 영역(204) 내의 변화의 발생을 식별하도록 트레이닝될 수 있다. 예를 들어,일부 구현예에서, 시스템(100)은 트레이닝 컴퓨팅 시스템(128)을 더 포함할 수 있다. 트레이닝 컴퓨팅 시스템(128)은 컴퓨팅 시스템(102)과 별개일 수 있고 및/또는 컴퓨팅 시스템(102)의 일부일 수 있다.
도 3은 본 발명의 예시적인 실시예에 따른 예시적인 기계 학습 모델의 트레이닝을 도시한다. 트레이닝 컴퓨팅 시스템(128)은 다양한 트레이닝 또는 학습 기술을 사용하여 기계 학습 컴퓨팅 시스템(102)에 저장된 이진 분류 모델(126)과 같은 기계 학습 모델을 트레이닝하는 모델 트레이너(402)를 포함할 수 있다. 특히, 모델 트레이너(402)는 트레이닝 데이터(304)의 세트에 기초하여 이진 분류 모델(126)을 트레이닝할 수 있다. 일부 구현예에서, 트레이닝 데이터(304)는 (예를 들어, 데이터베이스(103), 데이터베이스(112)로부터) 컴퓨팅 시스템(102)에 의해 제공되거나 그렇지 않으면 선택될 수 있다.
일부 구현예에서, 모델 트레이너(402)는 변화가 발생된 공지된 인스턴스 및/또는 변화가 발생되지 않은 공지된 인스턴스를 묘사하는 맵 타일 및/또는 이미지를 기술하는 트레이닝 데이터(304)를 사용하여 기계 학습된 이진 분류 모델(126)을 트레이닝할 수 있다. 예를 들어, 변화가 발생된 공지된 인스턴트는 지리적 영역 내에서 이력적인 및/또는 전문가 식별된 변화의 인스턴스에 해당할 수 있다. 변화가 발생되지 않은 공지된 인스턴트는 변화가 지리적 영역 내에서 발생하지 않은 이력적 및/또는 전문가 식별된 인스턴스에도 해당될 수 있다. 예를 들어, 모델은 변화를 묘사하는 또는 묘사하지 않는 것(이진 트레이닝 데이터)으로 라벨링된 하나 이상의 맵 타일(들) 및/또는 하나 이상의 이미지(들)을 포함하는 트레이닝 데이터(304)를 사용하여 트레이닝될 수 있다. 트레이닝 데이터(304)는 맵 타일 및 동일한 지리적 영역을 묘사하는 대응하는 이미지를 포함하는 맵-타일 이미지 쌍을 포함할 수 있다. 부가적으로 및/또는 대안적으로, 트레이닝 데이터(304)는 일부 변화 메트릭(예를 들어, 1~100의 변화 유형)에 따른 라벨을 포함하는 데이터일 수 있다. 일부 구현예에서, 트레이닝 데이터(304)는 다른 그라운드-진리 수집 시스템에 따라 라벨링될 수 있다. 일부 구현예에서, 트레이닝 데이터(304)는 지리적 영역을 묘사하는 시계열의 맵 타일 및/또는 이미지를 포함할 수 있으며, 각각의 트레이닝 예는, 시계열의 각 맵 타일 및/또는 이미지에 대해, 생성된 맵 타일 및/또는 다른 시간에 캡처된 이미지들 간의 차이를 결정하기에 충분한 정보를 제공한다.
부가적으로 및/또는 대안적으로, 트레이닝 데이터(304)는 기계 학습 모델(예컨대, 이진 분류 모델(126))이 저해상도의 이미지를 평가하는 것을 학습할 수 있도록 저해상도 이미지를 포함할 수 있다. 이것은 궁극적으로 컴퓨팅 시스템(102)이 저해상도의 이미지를 평가할 수 있도록 하여, 데이터 전송을 위한 증가된 대역폭뿐만 아니라 더 넓은 범위의 이미지의 사용, 더 빠른 프로세싱 시간을 이끌 수 있다.
트레이닝 컴퓨팅 시스템(128)은 트레이닝 데이터(304)에 적어도 부분적으로 기초하여 기계 학습 모델을 트레이닝할 수 있다. 예를 들어, 트레이닝 컴퓨팅 시스템(128)은 트레이닝 데이터(304)(예를 들어, 변화를 묘사하거나 묘사하지 않는 것으로 식별된 맵 타일 및 대응하는 이미지 쌍)를 입력할 수 있다. 트레이닝 컴퓨팅 시스템(128)은 트레이닝 데이터(304) 내의 변화 발생에 대한 모델의 분류를 기술하는 트레이닝 출력(306)을 수신할 수 있다(예를 들면, 변화가 발생했는지 또는 변화가 발생하지 않았는지의 여부). 트레이닝 컴퓨팅 시스템(128)은 트레이닝 출력(306)을 분석하여 기계 학습 모델의 정확성을 결정할 수 있다. 예를 들어, 트레이닝 컴퓨팅 시스템(128)은 모델이 변화의 발생을 정확하게 식별했는지 여부를 결정하기 위해 출력(306)을 트레이닝 데이터(304)와 비교할 수 있다. (예를 들어, 하나 이상의 신뢰 레벨(들)을 증가시키거나 정확도를 증가시키기 위해) 추가 트레이닝이 필요한 경우, 트레이닝 컴퓨팅 시스템(128)은 추가적인 트레이닝 데이터(304)를 제공할 수 있고 및/또는 모델에 대한 조정이 필요할 수 있음을 표시(indicate)할 수 있다.
예로서, 기계 학습된 이진 분류 모델(126)은 맵 타일과 관련된 하나 이상의 시각적 특성(들)과 이미지와 관련된 하나 이상의 시각적 특성(들)의 비교에 적어도 부분적으로 기초하여 변화의 발생을 식별하도록 트레이닝될 수 있다. 시각적 특성(들)에는 기술된 객체, 픽셀 컬러, 색조, 강도, 톤, 기타 다른 특성 등이 포함될 수 있다. 이진 분류 모델(126)은 맵 타일 및/또는 이미지의 적어도 일부와 관련된 시각적 특성(들)을 식별하도록 트레이닝될 수 있다. 예를 들어, 기계 학습된 이진 분류 모델(126)은 맵 타일(202)의 제1 부분(예를 들어, 셀)에서 시각적 특성(들)의 제1 세트를 식별하고 이미지(302)의 제2 부분(예를 들어, 셀)에서 시각적 특성(들)의 제2 세트를 식별하도록 (예를 들어, 트레이닝 데이터(304)를 통해) 트레이닝될 수 있다. 아래에서 더 설명되는 바와 같이, 기계-학습된 이진 분류 모델(126)은 시각적 특성(들)의 제1 세트 및 시각적 특성(들)의 제2 세트의 비교에 적어도 부분적으로 기초하여 지리적 영역(204)내의 하나 이상의 변화(들)의 발생을 식별하도록 트레이닝될 수 있다.
도 1로 되돌아가서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 변화의 발생을 결정하기 위해 맵 타일(202)를 기술하는 데이터와 이미지(302)를 기술하는 데이터의 적어도 서브 세트를 분석하도록 구성될 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 이진 방식으로 지리적 영역(204)의 서브 영역 내의 변화를 식별하기 위해 세분화된 셀룰러 레벨에서 맵 타일(202) 및 이미지(302)를 분석할 수 있다. 이것은 예를 들어, 세분화된 셀룰러 레벨에서의 맵 타일(202) 및 이미지(302)의 비교에 기초하여 변화가 지리적 영역(204)의 서브 영역에서 발생하지 않았는지(예컨대, "0") 또는 변화가 지리적 영역(204)의 서브 영역에서 발생했는지(예컨대, "1") 여부를 분류하는 것을 포함할 수 있다. 지리적 영역(204)의 서브 영역 내에서 이진 방식으로 변화를 식별함으로써, 컴퓨팅 시스템(102)은 개별 서브 영역 내의 변화의 크기를 결정하는데 필요할 수 있는 것보다 저해상도의 이미지를 이용할 수 있다.
도 5는 본 발명의 예시적인 실시예에 따라 부분들로 분할된 예시적인 맵 타일 및 이미지를 나타낸다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 맵 타일들(202)과 관련된 제1 복수의 셀(502A) 및 이미지(302)와 관련된 제2 복수의 셀(502B)을 식별할 수 있다. 셀은 맵 타일 또는 이미지의 일부일 수 있다. 셀은 예를 들어, 각각의 맵 타일 또는 이미지의 픽셀들로 구성된 영역을 포함할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)은 개별 셀의 수학적 영역 및/또는 개별 셀의 수학적 영역을 정의하도록 의도된 픽셀들의 수에 적어도 부분적으로 기초하여 셀(502A-B)을 식별할 수 있다. 일부 구현예에서, 픽셀 및/또는 수학적 영역의 수는 사전 정의될 수 있지만, 일부 구현예에서, 픽셀 및/또는 수학적 영역의 수는 맵 타일(202) 및/또는 이미지(302)와 관련된 조건(예를 들어, 크기, 해상도, 뷰 앵글 등)에 적어도 부분적으로 기초하여 선택될 수 있다. 각 셀(502A-B)은 지리적 영역(204)의 특정 서브 영역과 관련될 수 있다. 일부 구현예에서, 셀들(504A-B)은 하나 이상의 특정 서브-영역(들)이 각각의 셀에서 표현되도록 식별될 수 있다.
컴퓨팅 디바이스(들)(106)는 각각의 맵 타일(202) 및 이미지(302)에 대해, 지리적 영역(204)의 서브 영역과 관련된 셀을 식별하도록 구성될 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 제1 복수의 셀(502A)의 제1 셀(504A) 및 제2 복수의 셀들(502B)의 제2 셀(504B)을 선택하도록 구성될 수 있다. 제1 셀(504A) 및 제2 셀(504B) 모두는 지리적 영역(204)의 서브-영역(506)과 관련될 수 있다. 예로서, 지리적 영역(204)은 근접 영역(또는 이웃의 섹션)일 수 있고, 서브 영역(506)은 근접 영역 내의 토지 구획과 같은 상기 근접 영역의 서브-영역과 관련될 수 있다. 제1 셀(504A)과 관련된 서브 영역(506)은 제1 셀과 제2 셀의 비교를 용이하게 하기 위해 제2 셀(504B)과 관련된 서브 영역(506)과 동일하다. 따라서, 맵 타일(202) 및 제1 셀(504A)은 제1 시간(306A)과 관련될 수 있다. 이미지(302)(및 제2 셀(504B))는 제1 시간(306A)과 상이한 제2 시간(306B)과 관련될 수 있다. 이와 같이, 컴퓨팅 디바이스(들)(106)는 셀들을 분석하여 변화가 제1 및 제2 시간(306A-B) 사이에 서브 영역(506)에서 발생했는지 여부를 식별할 수 있다.
컴퓨팅 디바이스(들)(106)는 맵타일(202)의 적어도 일부 및 이미지(302)의 적어도 일부를 기술하는 데이터를 기계 학습된 이진 분류 모델로(126)에 입력하도록 구성될 수 있다. 도 6에 도시된 바와 같이, 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및 이미지(302)의 적어도 일부를 기술하는 데이터(602)를 기계 학습된 이진 분류 모델(126)에 입력하여, 지리적 영역(204)과 관련된 하나 이상의 변화(들)의 발생을 식별할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 제1 셀(504A) 및 제2 셀(504B)을 기술하는 데이터(602)를 기계 학습된 이진 분류 모델(126)에 입력하여, 지리적 영역(202)의 서브 영역(506)과 관련된 변화의 발생을 식별할 수 있다. 데이터(502)는 각각의 셀들에 기술된 서브 영역(506)과 관련된 이미지 데이터를 포함할 수 있다. 예를 들어, 데이터(502)는 셀(504A-B)에 포함된 픽셀들을 기술하는 데이터, 그러한 픽셀들의 시각적 특성을 기술하는 데이터 및/또는 맵 타일(202), 이미지(302) 및/또는 그들의 개별 셀(예컨대, 504A-B)과 관련된 다른 데이터 또는 메타 데이터를 포함할 수 있다. 이진 분류 모델(126)은 셀(504A-B)의 시각적 특성을 (예를 들어, 그의 신경망을 이용하여) 검사 및 비교하여, (예를 들어, 서브 영역(506)에 관하여) 변화가 발생했는지 또는 변화가 발생되지 않았는지 여부와 같은 변화의 발생을 식별할 수 있다. 맵 타일(202) 및 이미지(302)가 상이한 포멧인 경우, 모델(126)은 컴퓨팅 시스템(102)이 시각적 특성들의 비교를 수행할 수 있도록 맵 타일(202) 및 이미지(302) 중 적어도 하나의 포맷을 조정할 수 있도록 인코딩될 수 있다. 일부 구현예에서, 다른 컴퓨팅 디바이스가 맵 타일(202) 및/또는 이미지(302)의 포맷을 조정하는데 사용될 수 있고, 조정된 데이터는 분석을 위해 컴퓨팅 디바이스(들)(106)로 전송되거나 컴퓨팅 디바이스(들)(106)에 의해 수신될 수 있다.
컴퓨팅 디바이스(들)(106)는 이진 분류 모델(126)로부터 제1 출력(604)을 수신하도록 구성될 수 있다. 출력(604)은 지리적 영역(204)의 서브 영역(506)과 관련된 변화의 발생을 기술할 수 있다. 다시 도 5를 참조하면, 기계 학습된 이진 분류 모델(126)은 제1 셀(504A)과 연관된 시각적 특성의 제1 세트 및 제2 셀(504B)과 관된 시각적 특성의 제2 세트를 분석할 수 있다. 도 5에 도시된 바와 같이, 서브 영역(506)은 제1 시간(306A)(예를 들어, 빈 토지 구획을을 도시하는)에서, 맵 타일 (202)의 제1 셀 (504A)에 구조적 자산의 임의의 일부를 포함하지 않는다. 제2 셀(504B)에서, 서브 영역(506)은 구조적 자산(예컨대, 건물)의 적어도 일부를 포함한다. 이진 분류 모델(126)은 셀들을 분석하여 제1 셀(504A)의 객체 묘사, 픽셀 컬러, 강도, 다른 시각적 특성 등이 제2 셀(504B)의 것과 다른지 여부를 결정할 수 있다. 이진 분류 모델(126)이 신뢰 레벨 이상의 변화(예를 들어, 구조적 자산의 추가)를 나타내는 각각의 셀들(504A-B) 사이에 차이가 있음을 결정할 수 있는 경우에, 이진 분류 모델(126)이 신뢰 레벨 이상의 변화(예를 들어, 구조적 자산의 추가)를 나타내는 각각의 셀들(406A-B) 사이에 차이가 있음을 결정할 수 있는 경우, 이진 분류 모델(126)은 타겟 영역(506)내의 변화(410)(예컨대, 발생된 변화)의 발생을 식별할 수 있다. 신뢰 레벨은 이진 분류 모델(126)의 트레이닝 동안 및/또는 데이터 분석 동안 개발 및/또는 개선될 수 있다. 제1 출력(604)은 지리적 영역(204)의 서브 영역(408)과 관련된 변화가 발생했음을 나타낼 수 있다. 예를 들어, 서브 영역(506)과 관련된 변화(508)는 예를 들어, 건물 이탈(churn)(예컨대, 하나 이상의 건물에서의 변화)일 수 있다. 출력(604)은 이진 분류 모델(126)이 맵 타일(202) 및 이미지(302)에 적어도 부분적으로 기초하여 서브 영역(506)에서 변화(508)가 발생했다고 결정한 것을 나타낼 수 있는 "1"일 수 있다. 일부 구현예에서, 출력(604)은 다른 숫자(예컨대, 서브 영역에 의해 가중된) 및/또는 문자로 표현될 수 있다.
한편, 도 4는 구조적 자산과 관련된 변화(508)를 나타내지만, 이것은 제한하려는 것은 아니다. 변화(508)는 지리적 영역과 관련되고, 교통 자산(예컨대, 도로, 여행 경로), 환경 자산(예컨대, 식물, 토양, 수로), 농업 자산(예컨대, 농작물, 농경지, 관개 시설) 등과 같은 맵 타일 및/또는 이미지에 묘사된 다른 요소들과 관련될 수 있다.
도 6에 도시된 바와 같이, 컴퓨팅 디바이스(들)(106)는 제1 및 제2 복수의 셀(502A-B)의 다른 셀을 기술하는 데이터(606)를 이진 분류 모델(126)에 대한 다른 입력으로 제공하여, 지리적 영역(204)의 하나 이상의 다른 서브 영역(들)과 관련된 하나 이상의 변화(들)의 발생을 식별할 수 있다. 컴퓨팅 디바이스(들)(106)는 이진 분류 모델(126)로부터 제2 출력(608)을 수신할 수 있다. 제2 출력(608)은 지리적 영역(204)의 하나 이상의 다른 서브 영역(들)과 관련된 하나 이상의 변화(들)의 발생을 기술할 수 있다.
예를 들어, 도 5를 참조하면, 컴퓨팅 디바이스(들)(106)는 서브 영역(512) 내에서 운송 자산(예를 들어, 인접 도로)의 묘사를 포함하는 셀들(510A-B)을 기술하는 데이터를 입력할 수 있다. 이진 분류 모델(126)은 셀(510A-B)(예를 들어, 그것들과 관련된 시각적 특성)을 비교할 수 있다. 이진 분류 모델(126)이 셀들(510A-B)의 각각의 특성들 사이에 (예를 들어, 신뢰 레벨 이상으로) 약간의 또는 전혀 차이가 없다고 결정하는 경우에, 이진 분류 모델(126)은 변화(514)의 발생이 서브 영역(512) 내에서 발생하지 않은 것으로 식별할 수 있다. 예를 들어, 이진 분류 모델(126)은 서브 영역(512) 내에서 도로 이탈(예를 들어, 하나 이상의 주행 경로의 변화)이 발생하지 않았음을 결정할 수 있다. 따라서, 제2 출력(608)은 지리적 영역(204)의 서브 영역(512)과 관련된 변화가 발생하지 않았음을 나타낼 수 있다. 예를 들어, 출력(608)은 이진 분류 모델(126)이 맵 타일(202) 및 이미지(302)에 적어도 부분적으로 기초하여 서브 영역(414)에서 어떠한 변화도 일어나지 않았다고 결정한 것을 나타낼 수 있는 "0"일 수 있다. 이진 분류 모델(126)을 사용함으로써, 본 명세서에 설명된 시스템 및 방법은 본 명세서에서 설명된 바와 같이 저해상도 이미지를 사용하여 지리적 영역(204)의 변화를 평가할 수 있다.
전술한 분석은 하나 이상의 다른 이미지(들)의 하나 이상의 다른 셀(들)에 대해 반복될 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 맵 타일 및 다른 이미지들과 관련된 데이터를 이진 분류 모델(126)에 입력할 수 있다. 다른 이미지들과 관련된 데이터는 추가 변화들이 서브 영역(506)에서 발생했는지를 결정하기 위해 동일한 서브 영역(506)과 관련된 셀들을 기술할 수 있다. 부가적으로 및/또는 대안적으로, 다른 이미지들을 기술하는 데이터는 지리적 영역(204)의 하나 이상의 다른 서브 영역(들)과 관련된 셀을 기술할 수 있다. 이것은 컴퓨팅 디바이스(들)(106)가 하나 이상의 변화가 맵 타일(202)의 이미지에 제시된 지리적 영역(204)의 다른 서브 영역들에서 발생했는지를 결정하게 할 수 있다. 일부 구현예에서, 셀 및/또는 서브 영역의 특정 수(예를 들어, 대다수, 모두), 퍼센트, 비율 등이 상술한 방식으로 이진 분류 모델(126)에 의해 분석될 때까지 반복될 수 있다.
컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 하나 이상의 변화(들)(예컨대, 508, 514)의 발생에 적어도 부분적으로 기초하여 지리적 영역(204)와 관련된 변화 레벨(516)을 결정할 수 있다. 전술한 바와 같이, 변화 레벨(516)은 지리적 영역(204)이 겪은 전체 변화량(예를 들어, 구조적 자산, 운송 자산, 환경 자산, 농업 자산, 기타 자산에 대한)일 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)의 서브 영역 각각에 대해 결정된 변화 발생(예컨대, 508, 514)을 집계함으로써 변화 레벨을 결정할 수 있다.
예를 들어, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)의 각각의 서브 영역(예를 들어, 506, 5124)에 대해 결정되고 및/또는 관련 출력(예를 들어, 604, 608)에서 식별된 이진 분류(예컨대, 0,1)를 집계할 수 있다. 지리적 영역(204)에 대한 변화 레벨(516)은 지리적 영역(204)의 각 서브 영역(예컨대, 506, 512)에 대해 결정된 이진 분류(예컨대, 0,1)를 가산함으로써 결정될 수 있다. 예를 들어, 지리적 영역(204)은 각각이 서브 영역을 기술하는 224개의 셀로 분할될 수 있다. 이진 분류 모델(126)은 변화가 셀들 및/또는 서브 영역들 중 150개에서 발생하지 않았음(예를 들어, "0"을 출력)을 결정할 수 있고, 셀들 및/또는 서브 영역들 중 75개에서 변화가 발생했다고(예컨대, "1"을 출력) 결정할 수 있다. 따라서, 지리적 영역(204)에 대한 변화 레벨(516)은 이진 분류들의 합산(예컨대, 150개의 "0" "+ 74개의 "1")을 나타내는 74일 수 있다. 이 값은 셀의 크기를 표준화하기 위해 더 정규화될 수 있다(예를 들어, 74/(74 + 150) = .33).
일부 구현예에서, 변화 레벨(516)은 제곱 거리(square distance) 당 변화 레벨을 나타낼 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및/또는 이미지(302)에 제시된 지리적 영역(204)의 제곱 거리로 상기 집계된 변화 레벨을 나눔으로써 변화 레벨을 결정할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 그 셀들에 묘사된 서브 영역들에 의해 표현된 제곱거리로 나눠진 셀 그룹(예를 들어, 셀(408A) 및 바로 주변의 8개의 셀)에서 식별된 변화 분류에 적어도 부분적으로 기초하여 변화 레벨을 결정할 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 가중 접근법에 적어도 부분적으로 기초하여 변화 레벨(516)을 결정할 수 있다. 컴퓨팅 디바이스(들)(106)는 맵 타일 및/또는 이미지의 셀들에 가중치를 할당하여, 특정 셀들에서 식별된 변화는 변화 레벨(516)에 대해 더 높은 가중치를 부여하고 및/또는 특정 셀들에는 변화 레벨(516)에 대해 더 낮은 가중치가 부여되도록 할 수 있다. 예로서, 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및/또는 이미지(302)의 중심쪽으로 위치된 셀(504A-B)의 서브 영역(506)에서의 변화에 더 높은 가중치를 부여할 수 있고, 맵 타일(202) 및/또는 이미지(302)의 주변에 위치한 셀(510A)의 서브 영역(512)에 더 낮은 가중치를 부여할 수 있다. 그렇게 하기 위하여, 컴퓨팅 디바이스(들)(106)는 이진 분류(예컨대, 0, 1)에 수치 가중 식별자(예컨대, 퍼센트, 분수)를 곱하고, 변화 레벨(516)을 결정하기 위해 상기 기중된 분류의 집계를 수행할 수 있다.
도 1로 되돌아가서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 변화(508)의 발생에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 변화(508)를 반영하도록 맵 인터페이스(200)를 업데이트하도록 구성될 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)에서 식별된 하나 이상의 변화(들)(예컨대, 508)을 반영하기 위해 새로운 맵 타일을 생성하도록 맵 타일 관리 시스템(132)으로 제어 명령(130)을 제공하도록 구성될 수 있다. 부가적으로 및/또는 대안적으로, 맵 타일 관리 시스템(132)은 식별된 변화(들)을 반영하도록 맵 타일(202)를 업데이트할 수 있다. 일반적으로, 맵 타일 관리 시스템(132)은 문제의 맵 타일에 관한 특정 제어 명령을 수신하는 경우에만 새로운 맵 타일을 생성하거나 맵 타일을 업데이트하도록 구성될 수 있으며, 이러한 방식으로 시스템은 타일이 최종 업데이트된 이후 지리적 영역에서 어떠한 변화도 일어나지 않는 맵 타일들을 재생성하는 것을 피할 수 있다.
맵 타일 관리 시스템(132)은 제어 명령(130)을 수신하여, 새로운 맵 타일을 생성하고 및/또는 맵 데이터베이스(103)와 통신하여 하나 이상의 식별된 변화(예컨대, 508)를 반영하도록 맵 타일(예컨대, 202)를 업데이트할 수 있다. 예를 들어, 맵 타일 관리 시스템(132)은 (예를 들어, 변화(508)를 반영하는) 새로운 맵 타일을 생성하고, 새로운 맵 타일을 이미지 데이터베이스(103)로 전송하여 컴퓨팅 디바이스(들)(106)가 맵 인터페이스(200)를 랜더링하기 위해 액세스 가능하게 한다. 새로운 맵 타일은 지리적 영역(204)(의 적어도 일부)을 묘사하는 이미지(302)에 적어도 부분적으로 기초할 수 있다. 부가적으로 및/또는 대안적으로, 맵 타일 관리 시스템(132)은 맵 데이터베이스(103)에 액세스하여 상기 식별된 변화(들)을 반영하도록 하나 이상의 맵 타일(들)을 업데이트할 수 있고, 컴퓨팅 디바이스(들)(106)는 맵 데이터베이스(103)로부터 상기 업데이트된 맵 타일을 액세스할 수 있다. 일부 구현예에서, 맵 타일 관리 시스템(132)은 새로운 및/또는 업데이트 맵 타일을 컴퓨팅 디바이스(들)(106)로 전송할 수 있다.
컴퓨팅 디바이스(들)(106)는 맵 인터페이스(200)의 맵 타일(202)을 지리적 영역(204)내의 변화를 반영하는 새로운 맵 타일로 대체하고 및/또는 맵 인터페이스(200)가 제시될 때 업데이트된 맵 타일을 사용하도록 구성될 수 있다. 예를 들어, 도 7은 본 발명의 예시적인 실시예에 따른 예시적인 업데이트된 맵 인터페이스 (700)를 나타낸다. 업데이트된 맵 인터페이스(700)는 맵 타일(702)를 갖는, 도 2의 맵 인터페이스(200)의 업데이트된 버전에 해당할 수 있다. 맵 타일(702)은 예를 들어, 지리적 영역(204)의 하나 이상의 변화(들)(예컨대, 508)을 반영하고 맵 타일(202)을 대체하는 새로운 맵 타일일 수 있다. 부가적으로 및/또는 대안적으로, 맵 타일(702)은 지리적 영역(204)내의 하나 이상의 변화(들)(508)를 반영하는 맵 타일(202)의 업데이트된 버전일 수 있다.
도 1로 되돌아 가서, 일부 구현예에서, 맵 인터페이스(200)는 변화 레벨(516)에 적어도 부분적으로 기초하여 업데이트될 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 본 명세서에 설명된 바와 같이, 변화(508)의 발생에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 변화 레벨(516)을 결정하도록 구성될 수 있다. 컴퓨팅 디바이스(들)(106)는 변화 레벨이 임계 레벨(134)을 초과하는지 여부를 결정하도록 구성될 수 있다. 임계 레벨(134)은 맵 타일(202)이 지리적 영역(204)의 현재 상태의 정확한 표현이 아니어서 맵 타일(202)이 조정(업데이트, 대체)되어야 함을 나타내는 상당한 변화 레벨 및/또는 변화율을 나타낼 수 있다. 컴퓨팅 디바이스(들(106)는 변화 레벨(516)이 임계 레벨(134)을 초과할 때 맵 인터페이스(200)를 업데이트하도록(예를 들어, 맵 타일(202)을 대체하도록, 맵 타일 (202)을 업데이트하도록) 구성될 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 중요도 임계치(136) 이상인 중요도 레벨(122)에 적어도 부분적으로 기초하여 맵 인터페이스(200)를 업데이트할 수 있다. 중요도 임계치(136)는 높은 중요도 레벨(122)(예를 들어, 사용자 디바이스 트래픽)을 나타낼 수 있다. 중요도 레벨(122)이 중요도 임계치(136)보다 큰 경우, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)에서 변화가 발생했을 때 (지리적 영역(204)을 포함하는) 맵 인터페이스(200)를 업데이트할 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 변화 레벨(516)에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 이미지 데이터의 획득을 조정하기 위해 이미지 획득 시스템 (104)에 제어 명령(129)을 제공하도록 구성될 수 있다. 이미지 획득 시스템(104)은 제어 명령(129)을 수신하여 다양한 동작을 수행할 수 있다. 예를 들어, 지리적 영역(204)과 관련된 변화 레벨(516)이 임계치(134) (및/또는 다른 임계치) 이상인 경우, 제어 명령(129)은 지리적 영역(204)과 관련된 이미지 데이터의 획득을 증가시키도록 이미지 획득 시스템(104)에 지시할 수 있다. 제어 명령(129)은 지리적 영역(204)의 이미지가 획득되는 양, 타이밍, 빈도 등을 증가시키도록 이미지 획득 시스템(104)에 지시할 수 있다. 이는 컴퓨팅 시스템(102)이 높은 레벨의 변화를 겪고 있는 지리적 영역(204)에서 발생하는 변화들을 반영하기 위해 맵 타일들을 적절히 리프레시하도록 맵 인터페이스 컴퓨팅 기술을 향상시킬 수 있다. 이와 같이, 컴퓨팅 시스템(102)은 지리적 영역(204) 내의 변화를 보다 정확히 반영하기 위해 맵 인터페이스(200)(및 그의 맵 타일들)를 리프레시하도록 할 수 있다. 이는 리프레싱을 필요로 하는 맵 인터페이스(200)의 부분들을 조정하기 위해 프로세싱 자원들의 효율적인 할당을 유도할 수 있다.
변화 레벨(516)이 임계치(134) 이하인 경우 (예를 들어, 더 낮은 변화 레벨 또는 아무런 변화도 일어나지 않았음을 나타내는 경우) 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 이미지 데이터의 획득을 조정하기 위한 명령 제어를 제공하는 것을 중단할 수 있다. 일부 구현예에서, 변화 레벨(516)이 낮으면, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 이미지 데이터의 획득을 감소 시키도록 이미지 획득 시스템(104)으로 제어 명령을 제공할 수 있다. 이는 컴퓨팅 시스템(102) 및/또는 이미지 획득 시스템(104)이 (예를 들어, 현재의 이미지에 기초하여) 리프레싱을 필요로 하지 않는 보다 낮은 변화 레벨을 겪는 영역들에서 그의 계산 자원들이 사용되는 것을 방지할 수 있게 한다. 이미지 획득 시스템(104)은 제어 명령을 수신하여 (예를 들어, 이미지 캡처 플랫폼(들)을 통한 획득을 증가시키고, 감소시키기 위해) 그에 따라 이미지 포착을 조정할 수 있다.
일부 구현예에서, 컴퓨팅 다바이스(들)(106)는 지리적 영역(204)과 관련된 변화 레벨(516)을 기술하는 그래픽 표현을 생성할 수 있다. 그래픽 표현은 예를 들어 맵 인터페이스(200) 내의 하나 이상의 지리적 영역(들)(204)(예컨대, 맵 타일)과 관련된 변화 레벨들을 나타내는 히트맵(heatmap)일 수 있다. 일부 구현예에서, 변화 레벨들은 다른 그래픽 형태(예를 들어, 막대 차트, 히스토그램)로 표현될 수 있다. 이는 어떤 맵 타일들을 조정되어야 할지를 나타낼 수 있다(예를 들어, 높은 변화 레벨로 인해). 일부 구현예에서, (맵 타일 관리 시스템(132)으로 제공된) 제어 명령(130)은 그래픽 표현에 적어도 부분적으로 기초할 수 있다. 이러한 방식으로, 시스템은 그의 맵 타일 프로세싱 자원들을 효과적으로 할당하여, 높은 레벨의 변화를 겪는 지리적 영역에 대한 맵 타일들을 생성 및/또는 업데이트할 수 있다. 일부 구현예에서, 지리적 영역(204)과 연관된 이미지 데이터의 획득을 조정하는 제어 명령(129)은 그래픽 표현에 적어도 부분적으로 기초할 수 있다. 예를 들어, 제어 명령(129)은 그래픽 표현(예컨대, 히트맵)에 적어도 부분적으로 기초하여 하나 이상의 획득 패턴(들)(110A-B)을 조정하도록 이미지 획득 시스템(104)에 지시할 수있다. 따라서, 시스템은 보다 높은 레벨의 변화를 겪는 지리적 영역들의 이미지를 보다 빈번하게 획득하고, 더 낮은 레벨의 변화를 겪는 지리적 영역들의 이미지를 덜 획득하기 위해 이미징 자원들을 효과적으로 할당할 수 있다. 이는 맵 인터페이스에서 지리적 영역들의 상태를 보다 정확하게 반영하는 맵 타일 및/또는 이미지 데이터의 보다 집중적이고 유용한 세트를 제공할 수 있다.
이미지 획득 시스템(104)은 다양한 접근법을 사용하여 지리적 영역(204)과 관련된 이미지 데이터의 획득을 조정할 수있다. 예를 들어, 이미지 획득 시스템(104)은 도로 레벨 플랫폼(108A) 및 공중 플랫폼(108B) 중 적어도 하나와 관련된 획득 패턴(110A-B)을 조정할 수 있다. 예를 들어, 이미지 캡처 플랫폼(110A-B)이 지리적 영역(204)과 관련된 이미지들을 더 자주 또는 덜 자주 캡처할 수 있도록 운행 경로(136A-B)(예컨대, 주행 경로, 비행 경로) 및/또는 빈도(138A-B)(예컨대, 지리적 영역(204)의 이미지들이 이미지 캡처 플랫펌(108A-B)로 캡처되는 빈도)가 조정될 수 있다. 부가적으로 및/또는 대안적으로, 일부 구현예에서, 이미지 획득 시스템(104)은, 이미지 획득 시스템(104)이 다른 컴퓨팅 디바이스(들) 및/또는 사용자들로부터 지리적 영역(204)의 이미지들을 획득하는 구매 패턴, 다운로드 패턴, 요청 패턴 등을 조정할 수 있다. 예를 들어, 이미지 획득 시스템(104)은 (예를 들어, 제3자들로부터) 더 빈번하게 이미지를 요청할 수 있고, 보다 빈번하게 이미지를 구매할 수 있고 및/또는 더 높은 레벨의 변화를 겪는 지리적 영역들의 이미지를 요구할 수 있다.
도 8은 본 발명의 예시적인 실시예에 따른 예시적인 방법(800)의 흐름도를 도시한다. 방법(800)의 하나 이상의 부분(들)은 예를 들어 도 1 및 도 10에 도시된 것과 같은 하나 이상의 컴퓨팅 디바이스(들)에 의해 구현될 수 있다. 도 8은 예시 및 논의의 목적을 위해 특정 순서로 수행되는 단계를 도시한다. 당업자라면, 본 명세서에 제공된 내용을 사용하여, 본 명세서에서 논의된 임의의 방법의 단계들이 본 발명의 범위를 벗어나지 않으면서 다양한 방식으로 변형, 재배열, 확장, 생략 또는 변형될 수 있음을 이해할 것이다.
단계(802)에서, 방법(800)은 복수의 사용자 디바이스와 관련된 위치 데이터를 획득하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 복수의 사용자 디바이스들(120)과 관련된 위치 데이터(118)를 획득할 수 있다. 위치 데이터(118)는 지리적 영역(202)에 위치하는 사용자 디바이스의 수를 기술할 수 있다. 상술한 바와 같이, 위치 데이터(118)는 각각의 사용자 디바이스(120)와 관련된 위치를 식별하는 지오코드를 기술하는 원시 위치 리포트(들)를 포함할 수 있다.
단계(804)에서, 방법(800)은 지리적 영역과 관련된 중요도 레벨을 결정하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)에 위치된 사용자 디바이스(120)의 수에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 중요도 레벨(122)를 결정할 수 있다. 중요도 레벨(122)은 지리적 영역(204)에서의 관심 레벨, 지리적 영역(204)과 관련된 사용자 트래픽의 양 등을 나타낼 수 있다. 일부 구현예에서, 보다 많은 수의 사용자 디바이스(120)는 지리적 영역(204)과 관련된 더 높은 중요도 레벨(예를 들어, 사용자 관심, 잠재적 변화 영역, 잠재적 건설)을 나타낼 수 있다.
컴퓨팅 디바이스(들)(106)는 중요도 레벨에 적어도 부분적으로 기초하여 지리적 영역을 식별할 수 있다. 예를 들어, 지리적 영역(204)에 위치한 사용자 디바이스(120)의 수가 (예를 들어, 지리적 영역(204)에 위치한 전형적인, 이력적인 사용자 디바이스들의 수에 비해) 높으면, 지리적 영역(204)과 관련된 중요도 레벨(122)은 높을 수 있다. 따라서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)을 관심 영역으로 식별할 수 있으며, 해당 영역에서 변화가 일어나고 있는지 여부를 결정하기 위해 본 명세서에 기술된 시스템 및 방법을 사용해야 한다.
단계(806)에서, 방법(800)은 지리적 영역과 관련된 중요도 레벨에 적어도 부분적으로 기초하여 맵 타일을 식별하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 중요도 레벨(122)에 적어도 부분적으로 기초하여 지리적 영역(204)의 적어도 일부와 관련된 이미지를 제시하는 하나 이상의 맵 타일(들)(예컨대, 맵 타일(202))을 식별할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)가 (예를 들어, 더 높은 중요도 레벨로 인해) 관심 영역으로서 지리적 영역(204)을 식별하는 경우, 컴퓨팅 디바이스(들)(106)는 본 명세서에 설명된 바와 같이, 변화 검출 분석에 사용될 (지리적 영역(204)의 적어도 일부를 묘사하는) 맵 타일(202)을 식별할 수 있다.
단계(808)에서, 방법(800)은 맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 디스플레이 디바이스(201) 상에 디스플레이 가능한 맵 인터페이스(200)의 맵 타일(202)을 기술하는 데이터(114)를 획득할 수 있다. 맵 타일(202)은 지리적 영역(204)의 적어도 일부와 관련된 이미지를 나타낼 수 있다. 컴퓨팅 디바이스(들)(106)는 맵 데이터베이스(103)로부터 데이터(114)를 획득할 수 있다. 부가적으로 및/또는 대안적으로, 맵 타일(202)은 전술한 바와 같이 지리적 영역(204)과 관련된 중요도 레벨(122)에 기초하여 식별된 맵 타일일 수 있다.
단계(810)에서, 방법(800)은 지리적 영역의 적어도 일부분을 묘사하는 이미지를 기술하는 데이터를 획득하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)의 적어도 일부를 나타내는 이미지(302)를 기술하는 데이터(116)를 획득할 수 있다. 이미지(302)는 맵 타일(202)과 동일한 지리적 영역(204)의 부분을 묘사할 수 있다. 이미지(302)는 이미지 획득 시스템(104)에 의해 획득될 수 있다. 일부 구현예에서, 이미지(302)는 하나 이상의 도로 레벨 플랫폼(들)(108A) 및/또는 하나 이상의 공중 플랫폼(들)(108B)에 의해 획득될 수 있다.
단계(812)에서, 방법(800)은 맵 타일 및 이미지를 분석하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 맵 타일(202)을 기술하는 데이터 (114) 및 이미지(302)를 기술하는 데이터(116)를 분석하여 지리적 영역(204)과 관련된 변화의 발생을 결정할 수 있다. 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및 이미지(302)의 적어도 일부를 기술하는 데이터(602)를 기계 학습 모델(예컨대, 이진 분류 모델(126))에 입력하여 변화가 발생했는지 여부를 식별할 수 있다.
기계 학습 모델은 입력된 데이터(602)에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 하나 이상의 변화(들)의 발생을 식별할 수 있다. 예를 들어, 도 9는 본 발명의 예시적인 실시예에 따라 맵 타일 및 이미지를 분석하기 위한 예시적인 방법(1000)의 흐름도를 도시한다. 방법(1000)의 하나 이상의 부분(들)은 예를 들어 도 1 및 도 10에 도시된 것과 같은 하나 이상의 컴퓨팅 디바이스(들)에 의해 구현될 수 있다. 더욱이, 방법(1000)의 하나 이상의 단계들은 예를 들어 단계(812)와 같은 방법(800)의 단계들과 결합될 수 있다. 도 9는 설명 및 논의를 위해 특정 순서로 수행되는 단계들을 도시한다. 당업자라면, 본 발명에 제공된 개시물을 사용하여, 본 명세서에서 논의된 임의의 방법들의 단계가 본 발명의 범위를 벗어나지 않으면서 다양한 방식으로 변형, 재배열, 확장, 생략 또는 변형될 수 있음을 이해할 것이다. .
단계(1002)에서, 방법(1000)은 맵 타일의 하나 이상의 부분(들) 및 이미지의 하나 이상의 부분(들)을 식별하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 맵 타일(202)과 관련된 제1 복수의 셀(502A) 및 이미지(302)와 관련된 제2 복수의 셀(502B)을 식별할 수 있다. 각각의 셀은 더 큰 지리적 영역(204) (예를 들어, 인접 영역)의 서브 영역(예를 들어, 토지 구획)을 묘사할 수 있다.
단계(904)에서, 방법(1000)은 맵 타일의 하나 이상의 부분(들) 및 이미지의 하나 이상의 부분(들)을 선택하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)은 제1 복수의 셀(502A) 중 제1 셀(504A) 및 제2 복수의 셀(502B) 중 제2 셀 (504B)을 선택할 수 있다. 제1 셀(504A) 및 제2 셀(504B) 모두는 지리적 영역(204)의 서브 영역(506)과 관련될 수 있다.
단계(906)에서, 상기 방법은 맵 타일 및 이미지를 기술하는 데이터를 기계 학습 모델에 입력하는 단계를 포함할 수 있다. 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및 이미지(302)의 적어도 일부를 기술하는 데이터(602)를 기계 학습 모델에 입력할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및 이미지(302) 각각의 부분들을 기술하는 데이터(602)를 이진 분류 모델(126)에 입력할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 제1 셀(504A) 및 제2 셀(504B)을 기술하는 데이터(602)를 기계 학습된 이진 분류 모델(126)에 입력하여, 지리적 영역의 서브 영역(506)과 관련된 변화(508)의 발생을 식별할 수 있다.
본 명세서에 기술된 바와 같이, 데이터(602)는 예를 들어 부분들(예컨대, 셀)을 구성하는 틱셀들 및/또는 그러한 특셀들(및/또는 셀들)과 관련된 시각적 특성들(예컨대, 컬러, 강도, 묘사된 객체)과 같은, 맵 타일(202) 및 이미지(302)의 각각의 선택된 부분들(예컨대, 셀)의 각각에 묘사된 서브 영역과 관련된 데이터를 포함할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 맵 타일(202) 및 이미지(302)와 관련된 데이터를 입력할 수 있고, 이진 분류 모델(126)은 맵 타일(202) 및 이미지(302)를 처리하여 단계들(1002 및 904)에서 처럼 맵 타일(202) 및 이미지(302)의 일부를 선택할 수 있다.
단계(908)에서, 방법(1000)은 지리적 영역과 관련된 하나 이상의 변화(들)의 발생을 식별하기 위해 입력된 데이터를 프로세싱하는 단계를 포함할 수 있다. 예를 들어, 기계 학습 모델은 맵 타일(202) 및 이미지(302)의 일부를 기술하는 데이터(602)를 프로세싱할 수 있다. 예로서, 이진 분류 모델(126)은 제1 셀(504A) 및 제2 셀(504B)을 기술하는 데이터를 처리하여 지리적 영역(204)의 서브 영역(506)과 관련된 하나 이상의 변화(들)의 발생을 식별할 수 있다.
본 명세서에 기술된 바와 같이, 이진 분류 모델(126)은 맵 타일(202) 및 이미지(302) 각각의 하나 이상의 시각적 특성(들)의 비교에 적어도 부분적으로 기초하여 지리적 영역(204)의 서브 영역(506)과 관련된 변화(예컨대, 508)의 발생을 식별하도록 트레이닝될 수 있다. 따라서, 이진 분류 모델(126)은 하나 이상의 변화 (들)의 발생을 식별하기 위해 맵 타일(202) 및 이미지(302)의 시각적 특성들을 비교할 수 있다. 예를 들어, 이진 분류 모델(126)은 제1 셀(504A)(예컨대, 연관된 픽셀들) 및 제2 셀(504B)(예컨대, 연관된 픽셀들)의 시각적 특성을 비교하여 지리적 영역(204)의 서브 영역(506)과 관련된 하나 이상의 변화(들)( 508)을 식별할 수 있다.
단계(910)에서, 방법(1000)은 기계 학습 모델로부터 제1 출력을 수신하는 단계를 포함할 수 있다. 컴퓨팅 디바이스(들)(106)는 이진 분류 모델(126)로부터 제1 출력(604)을 수신할 수 있다. 출력(604)은 지리적 영역(204)의 서브 영역(506)과 관련된 변화(508)의 발생을 기술할 수 있다. 지리적 영역(204)과 관련된 변화는 구조적 자산(예컨대, 건물, 건물의 일부, 다른 구조체)과 관련된 변화 및 운송 자산(예컨대, 도로, 운행 경로) 중 적어도 하나를 포함할 수 있다. 예를 들어, 지리적 영역(204)과 연관된 변화(508)는 건물 이탈(예컨대, 건물의 추가, 제거, 변경, 다른 구조적 자산) 및/또는 도로 이탈(예컨대, 운행 경로의 추가, 제거, 변경, 다른 운송 자산). 일부 구현예에서, 변화는 다른 유형의 자산(예컨대, 농업)과 관련될 수 있다.
단계(912)에서, 방법(1000)은 다른 셀들을 기술하는 데이터를 기계 학습 모델에 입력하는 단계를 포함할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 변화를 검출하기 위해 맵 타일(202) 및/또는 이미지(302)의 하나 이상의 다른 부분(들)을 기술하는 데이터를 이진 분류 모델(126)에 입력할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 제1 및 제2 복수셀(504A-B)의 다른 셀을 기술하는 데이터(606)를 다른 입력으로서 이진 분류 모델(126)에 제공하여, 지리적 영역(204)의 하나 이상의 다른 서브 영역(예컨대, 512)과 관련된 하나 이상의 변화(들)의 발생을 식별할 수 있다. 컴퓨팅 디바이스(들)(106)는 이진 분류 모델(126)로부터 제2 출력(608)을 수신할 수 있다. 제2 출력(608)은 지리적 영역(204)의 하나 이상의 다른 서브 영역(들)과 관련된 하나 이상의 변화(들)의 발생을 기술할 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 하나 이상의 다른 맵 타일(들) 및/또는 이미지(들)를 기술하는 데이터를 이진 분류 모델(126)에 입력할 수 있다. 입력된 데이터는 다른 맵 타일(들) 및/또는 이미지(들)의 하나 이상의 부분(들)(예컨대, 셀들)을 기술할 수 있다. 이진 분류 모델(126)은 서브 영역(506)과 관련된 다른 변화(들)의 발생을 식별하고 및/또는 지리적 영역(204)의 다른 서브 영역(들)과 관련된 하나 이상의 다른 변화(들)를 식별하기 위해 상술한 것과 유사한 방식으로 그러한 데이터를 처리할 수 있다. 제2 출력(608)(및/또는 다른 출력)은 다른 맵 타일(들) 및/또는 이미지(들)로부터의 상기 입력된 데이터에 적어도 부분적으로 기초하여 서브 영역(506) 및/또는 지리적 영역(204)의 다른 서브 영역과 관련된 하나 이상의 변화(들)의 발생을 기술할 수 있다.
도 8로 되돌아 가서, 단계(814)에서, 방법(800)은 지리적 영역과 관련된 변화 레벨을 결정하는 단계를 포함할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 이진 분류 모델 (126)로부터의 제1 출력(604) 및 제2 출력(608)에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 변화 레벨(516)을 결정할 수 있다. 컴퓨팅 디바이스(들)(106)는 (모델로부터의 출력에 표시된) 지리적 영역(204)과 관련된 하나 이상의 변화(들)(예컨대, 508, 514)의 발생에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 변화 레벨을 결정할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 각 서브 영역(예컨대, 토지 구획)에 대해 결정된 변화 발생들을 집계하고 및/또는 본 명세서에 설명된 대로 (예를 들어, 셀의 크기를 표준화하기 위해) 정규화를 적용함으로써 지리적 영역(204)(예컨대, 인접 영역)과 관련된 변화 레벨(516)을 결정할 수 있다. 부가적으로 및/또는 대안적으로, 변화 레벨(516)은 본 명세서에서 설명된 바와 같이, 제곱 거리 당 변화 및/또는 가중 접근법에 적어도 부분적으로 기초할 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 변화 레벨(516)을 기술하는 그래픽 표현을 생성할 수 있다. 그래픽 표현은 하나 이상의 다른 지리적 영역(들)에 대한 지리적 영역(204)과 관련된 변화 레벨(516)을 나타낼 수 있다. 이는 국가, 세계 등 상이한 지리적 영역에서 발생하는 상이한 레벨의 변화를 나타낼 수 있다. 일부 구현예에서, 그래픽 표현은 지리적 영역(204)의 어느 서브 영역(예를 들어, 맵 타일 (202))이 변화를 겪었는지를 나타낼 수 있다.
단계(816)에서, 방법(800)은 맵 인터페이스를 업데이트하는 단계를 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 변화 (508)의 발생에 적어도 부분적으로 기초하여 지리적 영역(204)과 관련된 변화 (508)를 반영하도록 맵 인터페이스(200)를 업데이트할 수 있다. 컴퓨팅 디바이스(들)(106)는 또한 지리적 영역(204)과 관련된 다른 변화들을 반영하도록 맵 인터페이스(200)를 업데이트할 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 변화 레벨(516)이 임계 레벨(134)을 초과하는지 여부를 결정할 수 있고, 변화 레벨(516)이 임계 레벨(134)을 초과할 때 맵 인터페이스(200)를 업데이트할 수 있다. 일부 구현예에서, 맵 인터페이스(200)를 업데이트하는 단계(816)는 본 명세서에 기술된 바와 같이, 임계치(136)보다 높은 것으로 결정되는 지리적 영역(204)과 관련된 중요도 레벨(122)에 따라 수행될 수 있다.
본 명세서에 설명된 바와 같이, 컴퓨팅 디바이스(들)(106)는 다양한 방식으로 맵 인터페이스(200)를 업데이트할 수 있다. 예를 들어, 컴퓨팅 디바이스(들)(106)는 제어 명령(130)을 맵 타일 관리 시스템(132)으로 제공하여, 지리적 영역(204) 내의 변화(예컨대, 508)를 반영하도록 새로운 맵 타일(예컨대, 702)을 생성할 수 있다. 맵 타일 관리 시스템(132)은 본 명세서에 설명된 바와 같이, 제어 명령(130)을 수신하여 맵 타일을 생성 및/또는 업데이트하기 위한 새로운 동작을 취할수 있다.
일부 구현예에서, 새로운 맵 타일(예컨대, 702)은 지리적 영역(204)의 적어도 일부분을 나타내는 이미지(302)에 적어도 부분적으로 기초할 수 있다. 예를 들어, 맵 타일 관리 시스템(132)은 새로운 타일(702)을 생성할 때 기반(basis)(또는 부분 기반)으로서 이미지(302)를 사용할 수 있다. 컴퓨팅 디바이스(들)(106)는 맵 인터페이스의 맵 타일(202)을 예를 들어 도 7에 도시된 바와 같이 지리적 영역(204) 내의 변화(예컨대, 508)를 반영하는 새로운 맵 타일(예컨대, 702)로 대체할 수 있다. 부가적으로 및/또는 대안적으로, 컴퓨팅 디바이스(들)(106)는 본 명세서에 설명된 바와 같이 임의의 식별된 변화들(예컨대, 508)을 반영하도록 맵 타일(202)을 업데이트할 수 있다. 따라서, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)의 현재 상태를 보다 정확하게 반영할 수 있는 디스플레이용 업데이트된 맵 인터페이스(700)(예를 들어, 하나 이상의 새로운 및/또는 업데이트된 맵 타일(들)을 갖는 맵 인터페이스)제공할 수 있다.
단계(818)에서, 방법(800)은 지리적 영역과 관련된 이미지 획득을 조정하는 단계를 포함할 수 있다. 컴퓨팅 디바이스(들)(106)는 변화 레벨(516)에 적어도 부분적으로 기초하여 지리적 영역 (204)과 관련된 이미지 데이터의 획득을 조정하도록 이미지 획득 시스템(104)에 제어 명령(129)을 제공할 수 있다. 예를 들어, 본 명세서에 설명된 바와 같이, 이미지 획득 시스템(104)은 하나 이상의 이미지 캡처 플랫폼(들)(108A-B)을 포함할 수 있다. 컴퓨팅 디바이스(들)(106)는 변화 레벨(516)에 적어도 부분적으로 기초하여 하나 이상의 이미지 캡처 플랫폼(들)(108A-B)과 관련된 획득 패턴(110A-B)을 조정하도록 이미지 획득 시스템(104)에 제어 명령(129)을 제공할 수 있다. 이미지 획득 시스템(104)은 제어 명령(129)을 수신하여 이에 따라 이미지 획득 조정을 수행할 수 있다. 예를 들어, 획득 패턴(110A-B)을 조정하는 단계는 지리적 영역(204)의 이미지가 이미지 캡처 플랫폼(들)(108A-B) 각각에 의해 캡쳐되는 빈도(138A-B)를 조정하는 단계를 포함할 수 있다. 지리적 영역(204)의 이미지들이 캡쳐되는 빈도(138A-B)는 임계치(134)보다 큰 지리적 영역(204)과 관련된 상기 결정된 변화 레벨(516)에 따라 증가될 수 있다. 부가적으로 및/또는 대안적으로, 이미지 데이터의 획득은 구매 전략의 조정 및/또는 사용자 제출을 위한 요청을 포함할 수 있다.
일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 제어 명령(129)을 이미지 획득 시스템(104)에 제공하여, 변화 레벨(516) 및 지리적 영역(204)과 관련된 중요도 레벨(122)에 적어도 부분적으로 기초하여 하나 이상의 이미지 캡처 플랫폼(들)(110A-B)과 관련된 획득 패턴을 조정할 수 있다. 이미지 획득 시스템(104)은 (예를 들어, 이미지 캡쳐 플랫폼들(108A-B)을 통해) 지시된 대로 이미지 획득을 조정할 수 있다. 예를 들어, 변화 레벨(516)이 높고 중요도 레벨(122이 높은 경우, 컴퓨팅 디바이스(들)(106)는 (예를 들어, 지리적 영역(204)의 이미지들이 캡쳐되는 빈도(138A-B)를 증가시킴으로써) 지리적 영역(204)과 관련된 이미지 데이터의 획득을 증가시키도록 결정할 수 있다. 변화 레벨(418)은 높지만 중요도 레벨(122)이 낮은 경우, 컴퓨팅 디바이스(들)(106)는 지리적 영역(202)과 관련된 이미지 데이터의 현재 획득을 유지하고 및/또는 그러한 이미지 데이터의 획득을 적당히(moderately) 증가시키도록 결정할 수 있다. 변화 레벨(516)은 낮지만 중요도 레벨(122)이 높은 경우, 컴퓨팅 디바이스(들)(106)는 지리적 영역(204)과 관련된 이미지 데이터의 획득을 유지 및/또는 감소시키도록 결정할 수 있다. 컴퓨팅 디바이스(들)(106)는 (이미지 획득 시스템(104)에 조정을 지시하는) 제어 명령(129)을 전송할 수 있고, 이미지 획득 시스템(104)은 제어 명령(129)을 수신하여 이에 따라 동작할 수 있다. 이러한 방식으로, 본 발명의 시스템 및 방법은 보다 낮은 레벨의 변화를 겪고 있는 영역들에 사용되는 자원을 보존하면서 더 높은 레벨의 변화를 겪고 있는 영역들의 이미지를 캡처하기 위해 이미지 및 맵 타일 프로세싱 자원들을 할당할 수 있다.
일부 구현예에서, (비록 공통적이지는 않지만) 변화가 가능한 높은 중요도 레벨을 갖는 지리적 영역은 변화의 영향이 클 경우 더 높은 우선 순위를 부여받을 수 있다. 예를 들어, 특정 지리적 영역(예컨대, 공항, 쇼핑몰, 기타 인기 있는 명소)은 적당한 변화 레벨(예컨대, 중간 정도 도로, 건물 이탈)을 갖지만, 높은 중요 도 레벨(예컨대, 사용자 디바이스 존재) 및/또는 다른 관심 표시자(예컨대, 관련 비즈니스 웹 페이지의 온라인 뷰)을 가진다. 그러한 영역들내의 변화는 그러한 영역의 위치 및/또는 인구를 고려할 때 상당한 영향을 미칠 수 있다. 일부 구현예에서, 컴퓨팅 디바이스(들)(106)는 (더 높은 중요도 레벨의) 이들 지리적 영역에 우선 순위를 할당할 수 있다. 따라서, 컴퓨팅 디바이스(들)(106)는 이들 높은 우선 순위 영역의 이미지들이 정기적으로 획득될 수 있도록 (예를 들어, 이미지 획득 시스템(104)로의 하나 이상의 제어 명령(들)을 통해) 이미지 획득을 조정하여, 컴퓨팅 디바이스(들)이 (공통적이지는 않지만) 변화가 중요한 영향을 미칠 수 있는 이들 영역에서의 변화를 정기적으로 모니터링할 수 있게 한다.
도 10은 본 발명의 예시적인 실시예에 따른 예시적인 시스템(1000)을 나타낸다. 시스템(1000)은 기계 학습 컴퓨팅 시스템(102), 맵 데이터베이스(103), 이미지 획득 시스템(104), 이미지 데이터베이스(112), 복수의 사용자 디바이스(120), 트레이닝 컴퓨팅 시스템(128) 및/또는 맵 타일 관리 시스템(132)을 포함할 수 있다. 시스템(1000)의 구성 요소들은 하나 이상의 통신 네트워크(들)(1002)를 통해 시스템(1000)의 다른 구성 요소(들) 중 하나 이상과 통신하여 예를 들어 데이터를 교환할 수 있다.
컴퓨팅 시스템(102)은 하나 이상의 컴퓨팅 디바이스(들)(106)을 포함한다. 컴퓨팅 디바이스(들)(106)은 하나 이상의 프로세서(들)(1004A) 및 하나 이상의 메모리 디바이스(들)(1004B)를 포함한다. 하나 이상의 프로세서(1004A)는 임의의 적절한 프로세싱 디바이스(예를 들어, 프로세서 코어, 마이크로 프로세서, ASIC, FPGA, 컨트롤러, 마이크로 컨트롤러 등)일 수 있고, 하나의 프로세서 또는 동작 가능하게 연결된 복수의 프로세서일 수 있다. 메모리 디바이스(들)(1004B)는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 디바이스, 자기 디스크 등과 같은 하나 이상의 비-일시적 컴퓨터 판독 가능 저장 매체(들) 및/또는 이들의 조합을 포함할 수 있다.
하나 이상의 메모리 디바이스(들)(1004B)는 하나 이상의 프로세서(들)(1004A)에 의해 실행될 수 있는 컴퓨터 판독 가능 명령들(1004C)을 포함하여, 하나 이상의 프로세서(들)(1004A)에 의해 액세스 가능한 정보를 저장할 수 있다. 명령들(1004C)은 하나 이상의 프로세서(들)(1004A)에 의해 실행될 때 하나 이상의 프로세서(1004A)로 하여금 동작들을 수행하게 하는 임의의 명령 세트일 수 있다. 일부 실시예에서, 명령들(1004C)은 하나 이상의 프로세서(들)(1004A)에 의해 실행되어, 하나 이상의 프로세서(들)(1004A)로 하여금 컴퓨팅 시스템(102) 및/또는 컴퓨팅 디바이스(들)(106)가 구성되는 임의의 동작들 및 기능들, 맵 인터페이스를 업데이트하기 위한 동작들 및/또는 본 명세서에 기술된 바와 같은 다른 명령들 또는 기능들과 같은, 동작들을 수행하게 한다. 메모리 디바이스(들)(1004B) (예를 들어, 비-일시적 컴퓨터 판독 가능 저장 매체)는 하나 이상의 컴퓨터 프로세서(들)(1004A)에 의해 실행될 때 프로세서(들)(1004)로 하여금 방법(예컨대, 방법(800, 900))을 수행하게 하는 컴퓨터 실행 가능 명령들(1004C)을 포함한다. 예를 들어, 명령들(1004C)은 프로세서(들)(1004A)로 하여금 디스플레이 디바이스 상에 디스플레이 가능한 맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하고, 지리적 영역의 적어도 일부분을 묘사하는 이미지를 기술하는 데이터를 획득하고, 지리적 영역과 관련된 변화의 발생을 결정하기 위해 맵 타일을 기술하는 데이터 및 이미지를 기술하는 데이터를 분석하고, 본 명세서에 설명된 바와같이 지리적 영역과 관련된 변화의 발생에 적어도 부분적으로 기초하여 지리적 영역과 관련된 변화를 반영하도록 맵 인터페이스를 업데이트하게 할 수 있다. 명령들(1004C)은 임의의 적합한 프로그래밍 언어로 작성된 소프트웨어일 수 있거나 하드웨어로 구현될 수 있다. 부가적으로 및/또는 대안적으로, 명령들(1004C)은 프로세서(들)(1004A)상의 논리적으로 및/또는 사실상 분리된 스레드들에서 실행될 수 있다
하나 이상의 메모리 디바이스(들)(1004B)는 또한 하나 이상의 프로세서(1004A)에 의해 검색, 조작, 생성 또는 저장될 수 있는 데이터(1004D)를 저장할 수 있다. 데이터(1004D)는 예를 들어 맵 타일과 관련된 데이터, 이미지와 관련된 데이터, 지리적 영역과 관련된 데이터, 위치 데이터, 기계 학습 모델과 관련된 데이터, 트레이닝 데이터 및/또는 다른 데이터 또는 정보를 포함할 수 있다. 데이터(1004D)는 하나 이상의 데이터베이스(들)에 저장될 수 있다. 하나 이상의 데이터베이스(들)는 고 대역폭 LAN 또는 WAN에 의해 컴퓨팅 디바이스(들)(106)에 접속될 수 있거나 네트워크(들)(1002)를 통해 컴퓨팅 디바이스(들)(106)에 접속될 수 있다. 하나 이상의 데이터베이스가 다수의 로케일(locales)에 위치하도록 분할될 수 있다.
본 명세서에 설명된 바와 같이, 컴퓨팅 디바이스(들)(106)는 예를 들어 이진 분류 모델(126)과 같은 하나 이상의 기계 학습 모델(1004E)을 저장 또는 포함할 수 있다. 기계 학습 모델(1004E)은 신경망(예를 들어, 심층 신경망) 또는 다른 다층 비선형 모델과 같은 다양한 기계 학습 모델일 수 있거나 포함할 수 있다. 모델들(1004E)은 본 명세서에 설명된 바와같이, 프로세서들(1004A)에 의해 액세스되어 맵 인터페이스를 업데이트하기 위한 동작들 및 기능들을 수행할 수 있다.
컴퓨팅 디바이스(들)(106)는 또한 네트워크(들)(1002)를 통해 시스템(1000)의 하나 이상의 다른 구성 요소(들)(예를 들어, 이미지 획득 시스템(104), 사용자 디바이스(들)(120), 트레이닝 컴퓨팅 시스템(128)), 맵 타일 관리 시스템(132), 데이터베이스(103, 112)와 통신하는데 사용되는 네트워크 인터페이스(1004F)를 포함할 수 있다. 네트워크 인터페이스(1004F)는 예를 들어 송신기, 수신기, 포트, 컨트롤러, 안테나 또는 다른 적절한 구성 요소를 포함하여, 하나 이상의 네트워크(들)와 인터페이스하기 위한 임의의 적절한 구성 요소들을 포함할 수 있다.
일부 구현예에서, 기계 학습 컴퓨팅 시스템(102)은 하나 이상의 서버 컴퓨팅 디바이스(들)을 포함할 수 있거나 그렇지 않으면 하나 이상의 서버 컴퓨팅 디바이스(들)에 의해 구현될 수 있다. 기계 학습 컴퓨팅 시스템(102)이 복수의 서버 컴퓨팅 디바이스를 포함하는 경우에, 이러한 서버 컴퓨팅 디바이스는 순차 컴퓨팅 아키텍처, 병렬 컴퓨팅 아키텍처 또는 이들의 조합에 따라 동작할 수 있다.
이미지 획득 시스템(104)은 하나 이상의 컴퓨팅 디바이스(들)(1006A)를 포함할 수 있다. 컴퓨팅 디바이스(들)(1006A)는 하나 이상의 프로세서(1006B) 및 하나 이상의 메모리 디바이스(1006C)를 포함할 수 있다. 하나 이상의 프로세서(들)(1006B)는 마이크로 프로세서, 마이크로 컨트롤러, 집적 회로, 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP), 필드 프로그래머블 게이트 어레이 FPGA), 논리 디바이스, 하나 이상의 중앙 처리 장치(CPU), 그래픽 프로세싱 유닛(GPU)(예컨대, 효율적인 이미지 렌더링 전용), 기타 특수 계산을 수행하는 프로세싱 유닛과 같은 임의의 적절한 프로세싱 디바이스를 포함할 수 있다. 메모리 디바이스(들)(1006C)는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 디바이스, 자기 디스크 등과 같은 하나 이상의 비-일시적 컴퓨터 판독 가능 저장 매체(들) 및/또는 이들의 조합을 포함할 수 있다.
메모리 디바이스(들)(1006C)는 하나 이상의 컴퓨터 판독 가능 매체를 포함할 수 있고, 하나 이상의 프로세서(1006B)에 의해 실행될 수 있는 명령들(1006D)을 포함하여, 하나 이상의 프로세서들(1006B)에 의해 액세스 가능한 정보를 저장할 수 있다. 예를 들어, 메모리(1006C)는 본 명세서에 설명된 바와 같이 이미지 데이터를 획득하기 위한 명령들(1006D)을 저장할 수 있다. 일부 실시예에서, 명령들(1006D)은 하나 이상의 프로세서(들)(1006B)에 의해 실행되어 하나 이상의 프로세서(들)(1006B)로 하여금 본 명세서에 기술된 바와같이, 이미지 획득 시스템(104)이 구성되는 임의의 동작들 및 기능들(예컨대, 이미지 데이터 제공, 이미지의 획득 조정, 이미지 캡처 플랫폼들과의 통신) 및/또는 이미지 획득 시스템(104)의 임의의 다른 동작들 또는 기능들과 같은 동작들을 수행하게 한다. 명령들(1006D)은 임의의 적합한 프로그래밍 언어로 작성된 소프트웨어일 수 있거나 하드웨어로 구현될 수 있다. 부가적으로 및/또는 대안적으로, 명령들(1006D)은 프로세서(들)(1006B)상의 논리적으로 및/또는 사실상 분리된 스레드들로 실행될 수 있다.
하나 이상의 메모리 디바이스(들)(1006C)는 또한 하나 이상의 프로세서(1006B)에 의해 검색, 조작, 생성 또는 저장될 수 있는 데이터(1006E)를 저장할 수 있다. 데이터(1006E)는 예를 들어, 하나 이상의 지리적 영역과 관련된 이미지 데이터, 획득 패턴 등을 포함할 수 있다. 일부 구현예에서, 데이터베이스(112)는 이미지 획득 시스템(104)에 포함되거나 그렇지 않으면 관련될 수 있다. 일부 구현예에서, 데이터(1006E)는 다른 디바이스(예를 들어, 원격 액세스 가능한 이미지 데이터베이스)로부터 수신될 수 있다.
컴퓨팅 디바이스(들)(1006A)는 또한 네트워크(들)(1002)를 통해 시스템 (1000)(예를 들어, 컴퓨팅 시스템(102), 데이터베이스(112))의 하나 이상의 다른 구성 요소와 통신하는데 사용되는 네트워크 인터페이스(1006F)를 포함할 수 있다. 네트워크 인터페이스(1006F)는 예를 들어 송신기, 수신기, 포트, 컨트롤러, 안테나 또는 다른 적절한 구성 요소들을 포함하여, 하나 이상의 네트워크(들)와 인터페이스하기 위한 임의의 적절한 구성 요소들을 포함할 수 있다.
사용자 디바이스들(120) 각각은 랩탑, 데스크탑, 다른 개인용 컴퓨팅 디바이스, 네비게이션 시스템, 스마트 폰, 태블릿, 웨어러블 컴퓨팅 디바이스, 다른 모바일 컴퓨팅 디바이스와 같은 임의의 유형의 컴퓨팅 디바이스일 수 있다. 사용자 디바이스(120)는 하나 이상의 프로세서(들)(1008A) 및 하나 이상의 메모리 디바이스(들)(1008B)를 포함할 수 있다. 하나 이상의 프로세서(들)(1008A)는 마이크로 프로세서, 마이크로 컨트롤러, 집적 회로, 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP), 필드 프로그래머블 게이트 어레이, 논리 디바이스, 하나 이상의 중앙 처리 장치(CPU), 그래픽 프로세싱 유닛(GPU)(예컨대, 효율적인 이미지 렌더링 전용의), 기타 특수 계산을 수행하는 프로세싱 유닛과 같은 임의 적절한 프로세싱 디바이스를 포함할 수 있다. 메모리 디바이스(들)(1008B)는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 디바이스, 자기 디스크 등과 같은 하나 이상의 비-일시적 컴퓨터 판독 가능 저장 매체(들) 및/또는 이들의 조합을 포함할 수 있다.
메모리 디바이스(들)(1008B)는 하나 이상의 컴퓨터 판독 가능 매체를 포함할 수 있고, 하나 이상의 프로세서(들)(1008B)에 의해 실행될 수 있는 명령들(1008C)을 포함하여, 하나 이상의 프로세서(1008A)에 의해 액세스 가능한 정보를 저장할 수 있다. 예를 들어, 메모리 디바이스(들)(1008B)는 본 명세서에 설명된 바와 같이, 디바이스 위치를 결정하고 위치 데이터를 컴퓨팅 시스템(102)으로 제공하기 위한 명령들(1008C)을 저장할 수 있다. 일부 실시예에서, 명령들(1008C)은 하나 이상의 프로세서(들)(1008A)에 의해 실행되어, 하나 이상의 프로세서(1008A)로 하여금 사용자 디바이스(들)(102)가 구성되는 임의의 동작들 및 기능들 및/또는 본 명세서에 설명된 바와같이, 사용자 디바이스(들)(102)의 임의의 다른 동작 또는 기능들과 같은 동작들을 수행하게 할 수 있다. 명령들(1008C)은 임의의 적절한 프로그래밍 언어로 작성된 소프트웨어일 수 있거나 하드웨어로 구현될 수 있다. 부가적으로 및/또는 대안적으로, 명령들(1008C)은 프로세서(들)(1008A)상의 논리적으로 및/또는 사실상 분리된 스레드들로 실행될 수 있다.
하나 이상의 메모리 디바이스(들)(1008B)는 또한 하나 이상의 프로세서(1008A)에 의해 검색, 조작, 생성 또는 저장될 수 있는 데이터(1008D)를 저장할 수 있다. 데이터(1008D)는 예를 들어 사용자 디바이스와 관련된 데이터(예를 들어, 위치 데이터)를 포함할 수 있다. 일부 구현예에서, 데이터(1008D)는 다른 디바이스(예를 들어, 위치 결정을 위한 원격 컴퓨팅 시스템)로부터 수신될 수 있다.
사용자 디바이스(120)는 사용자 디바이스의 위치를 결정하기 위한 다양한 위치 계산 하드웨어(1008F)를 포함할 수 있다. 예를 들어, 위치 하드웨어(1008F)는 사용자 디바이스(120)가 자신의 위치를 결정할 수 있게 하는 센서, GPS 컴퓨팅 디바이스 등을 포함할 수 있다. 일부 구현예에서, 위치 계산 하드웨어(1008F)는 사용자 디바이스(120)의 위치를 결정하기 위해 하나 이상의 다른 원격 컴퓨팅 디바이스(들)로부터 수신된 데이터와 함께 사용될 수 있다. 일부 구현예에서, 사용자 디바이스(120)는 컴퓨팅 디바이스(들)(106)에 대해 수신된 맵 인터페이스(예컨대, 200)를 디스플레이하기 위한 디스플레이 디바이스(예컨대, 201)를 포함할 수 있다.
사용자 디바이스(120)는 또한 네트워크(들)(1002)를 통해 시스템(1000)(예를 들어, 컴퓨팅 시스템(102))의 하나 이상의 다른 구성 요소와 통신하는데 사용되는 네트워크 인터페이스(1008F)를 포함할 수 있다. 네트워크 인터페이스(1008F)는 예를 들어 송신기, 수신기, 포트, 컨트롤러, 안테나 또는 다른 적절한 구성 요소를 포함하는 하나 이상의 네트워크(들)와 인터페이스하기 위한 임의의 적절한 구성 요소들을 포함할 수 있다.
일부 구현예에서, 시스템(1000)은 네트워크(들)(1002)를 통해 통신 가능하게 결합된 트레이닝 컴퓨팅 시스템(128)을 더 포함할 수 있다. 트레이닝 컴퓨팅 시스템(128)은 기계 학습 컴퓨팅 시스템(102)과 별개일 수 있거나 기계 학습 컴퓨팅 시스템(102)의 일부일 수 있다. 트레이닝 컴퓨팅 시스템(128)은 하나 이상의 컴퓨팅 디바이스(들)(1010A)를 포함할 수 있다.
컴퓨팅 디바이스(들)(1010A)는 하나 이상의 프로세서(들)(1010B) 및 하나 이상의 메모리 디바이스(들)(1010C)를 포함할 수 있다. 하나 이상의 프로세서(들)(1010B)는 마이크로 프로세서, 컨트롤러, 마이크로 컨트롤러, 집적 회로, 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP), 필드 프로그래머블 게이트(FPGA), 논리 디바이스, 하나 이상의 중앙 처리 장치(CPU), 그래픽 프로세싱 유닛(GPU)(예컨대, 효율적인 이미지 렌더링 전용), 기타 특수 계산을 수행하는 프로세싱 유닛과 같은 임의의 적절한 프로세싱 디바이스를 포함할 수 있다. 메모리 디바이스(들)(1010C)는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 디바이스, 자기 디스크 등과 같은 하나 이상의 비-일시적 컴퓨터 판독 가능 저장 매체(들) 및/또는 이들의 조합을 포함할 수 있다.
메모리 디바이스(들)(1010C)는 하나 이상의 컴퓨터 판독 가능 매체를 포함할 수 있고, 하나 이상의 프로세서(들)(1010B)에 의해 실행될 수 있는 명령들(1010D)을 포함하여, 하나 이상의 프로세서(들)(1010B)에 의해 액세스 가능한 정보를 저장할 수 있다. 예를 들어, 메모리(1010C)는 본 명세서에 설명된 바와 같이, 기계 학습 모델을 트레이닝시키기 위한 명령들(1010D)을 저장할 수 있다. 일부 실시예에서, 명령들(1010D)은 하나 이상의 프로세서(들)(1010B)에 의해 실행되어 하나 이상의 프로세서(들)(1010B)로 하여금 트레이닝 컴퓨팅 시스템(128)이 구성되는 (예를 들어 이진 분류 모델을 트레이닝하는) 임의의 동작들 및 기능들 및/또는 본 명세서에 설명된 바와같이, 트레이닝 컴퓨팅 시스템(128)의 임의의 다른 동작들 또는 기능들과 같은 동작들을 수행하게 한다. 명령들(1010D)은 임의의 적합한 프로그래밍 언어로 작성된 소프트웨어일 수 있거나 하드웨어로 구현될 수 있다. 부가적으로 및/또는 대안적으로, 명령들(1010D)은 프로세서(들)(1010B)상의 논리적으로 및/또는 사실상 분리된 스레드들에서 실행될 수 있다.
하나 이상의 메모리 디바이스(들)(1010D)는 또한 하나 이상의 프로세서(1010B)에 의해 검색, 조작, 생성 또는 저장될 수 있는 데이터(1010E)를 저장할 수 있다. 데이터(1010E)는 예를 들어, 트레이닝 데이터 등을 포함할 수 있다. 일부 구현예에서, 데이터(1010E)는 다른 디바이스(예를 들어, 원격 액세스 가능한 이미지 데이터베이스)로부터 수신될 수 있다.
컴퓨팅 디바이스(들)(1010A)는 또한 예를 들어 모델 트레이너(402)와 같은 하나 이상의 모델 트레이너(들)(1010F)를 포함할 수 있다. 모델 트레이너(들)(1010F)는 원하는 기능을 제공하기 위해 이용되는 컴퓨터 로직을 포함할 수 있다. 모델 트레이너(들)(1010F)는 범용 프로세서를 제어하는 하드웨어, 펌웨어 및/또는 소프트웨어로 구현될 수 있다. 예를 들어, 일부 구현예에서, 모델 트레이너(들)(1010F)는 저장 디바이스에 저장된 프로그램 파일을 포함할 수 있고, 메모리에 로딩되고 하나 이상의 프로세서들(예를 들어, 1010B)에 의해 실행될 수 있다. 다른 구현예에서, 모델 트레이너(들)(1010F)는 RAM 하드 디스크 또는 광학 또는 자기 매체와 같은 유형의 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 실행 가능 명령들의 하나 이상의 세트를 포함할 수 있다.
컴퓨팅 디바이스(들)(1010A)는 또한 네트워크(들)(1002)를 통해 시스템(1000)(예를 들어, 컴퓨팅 시스템(102))의 하나 이상의 다른 구성 요소와 통신하기 위해 사용되는 네트워크 인터페이스(1010G)를 포함할 수 있다. 네트워크 인터페이스(1010G)는 예를 들어 송신기, 수신기, 포트, 컨트롤러, 안테나 또는 다른 적절한 구성 요소를 포함하는 하나 이상의 네트워크(들)와 인터페이스하기 위한 임의의 적절한 구성 요소를 포함할 수 있다.
맵 타일 관리 시스템(132)은 하나 이상의 컴퓨팅 디바이스(들)(1012A)를 포함할 수 있다. 컴퓨팅 디바이스(들)(1012A)는 하나 이상의 프로세서(들)(1012B) 및 하나 이상의 메모리 디바이스(들)(1012C)를 포함할 수 있다. 하나 이상의 프로세서 (들)(1012B)는 마이크로 프로세서, 컨트롤러, 마이크로 컨트롤러, 집적 회로, 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP), 필드 프로그래머블 게이트(FPGA), 논리 디바이스, 하나 이상의 중앙 처리 장치(CPU), 그래픽 프로세싱 유닛(GPU)(예컨대, 효율적인 이미지 렌더링 전용), 기타 특수 계산을 수행하는 프로세싱 유닛과 같은 임의의 적절한 프로세싱 디바이스를 포함할 수 있다. 메모리 디바이스(들)(1012C)는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 디바이스, 자기 디스크 등과 같은 하나 이상의 비-일시적 컴퓨터 판독 가능 저장 매체 및/또는 이들의 조합을 포함할 수 있다.
메모리 디바이스(들)(1012C)는 하나 이상의 컴퓨터 판독 가능 매체를 포함할 수 있고, 하나 이상의 프로세서(들)(1012B)에 의해 실행될 수있는 명령들(1012D)을 포함하여, 하나 이상의 프로세서(들)(1012B)에 의해 액세스 가능한 정보를 저장할 수 있다. 예를 들어, 메모리(1012C)는 본 명세서에 설명된 바와 같이 맵 타일을 생성하고 업데이트하기 위한 명령들(1012D)을 저장할 수 있다. 일부 실시예에서, 명령들(1012D)은 하나 이상의 프로세서(들)(1012B)에 의해 실행되어, 하나 이상의 프로세서(들)(1012B)로 하여금 맵 타일 관리 시스템(132)이 구성되는 동작들 및 기능들(예를 들어, 새로운 맵 타일 생성, 맵 타일 업데이트) 및/또는 본 명세서에 설명된 맵 타일 관리 시스템(132)의 임의의 다른 동작들 또는 기능들과 같은 동작들을 수행하게 할 수 있다. 명령들(1012D)은 임의의 적절한 프로그래밍 언어로 작성된 소프트웨어일 수 있거나 하드웨어로 구현될 수 있다. 부가적으로 및/또는 대안적으로, 명령들(1012D)은 프로세서(들)(1012B)상의 논리적으로 및/또는 사실상 분리된 스레드들로 실행될 수 있다.
하나 이상의 메모리 디바이스(들)(1012C)는 또한 하나 이상의 프로세서(들)(1012B)에 의해 검색, 조작, 생성 또는 저장될 수 있는 데이터(1012E)를 저장할 수 있다. 데이터(1012E)는 예를 들어, 하나 이상의 맵 타일(들) 등과 관련된 데이터를 포함할 수 있다. 일부 구현예에서, 데이터베이스(103)는 맵 타일 관리 시스템(132)에 포함되거나 그렇지 않으면 연관될 수 있다. 일부 구현예에서, 데이터(1012E)는 다른 디바이스(예를 들어, 원격 액세스 가능한 이미지 데이터베이스)로부터 수신될 수 있다.
컴퓨팅 디바이스(들)(1012A)는 또한 네트워크(1002)를 통해 시스템(1000) (예컨대, 컴퓨팅 시스템(102), 데이터베이스(103))의 하나 이상의 다른 구성 요소(들)과 통신하는데 사용되는 네트워크 인터페이스(1012F를 포함할 수 있다. 네트워크 인터페이스(1012F)는 예를 들어 송신기, 수신기, 포트, 컨트롤러, 안테나 또는 다른 적절한 구성 요소를 포함하여, 하나 이상의 네트워크(들)와 인터페이스하기 위한 임의의 적절한 구성 요소들을 포함할 수 있다.
네트워크(들)(1002)는 근거리 통신망(예를 들어, 인트라넷), 광역 네트워크(예를 들어, 인터넷), 셀룰러 네트워크, 또는 이들의 조합과 같은 임의의 유형의 통신 네트워크일 수 있으며, 임의의 수의 유선 또는 무선 링크를 포함할 수 있다. 네트워크(들)(1002)는 또한 시스템(1000)의 하나 이상의 구성 요소(들) 간의 다이렉트 연결을 포함할 수 있다. 일반적으로, 네트워크(들)(1002)를 통한 통신은 다양한 통신 프로토콜(예를 들어, TCP/IP, HTTP, SMTP, FTP), 인코딩 또는 포맷(예를 들어, HTML, XML) 및/또는 보호 체계(예를 들어, VPN, 보안 HTTP, SSL)을 사용하여, 임의의 유형의 유선 및/또는 무선 접속을 통해 수행될 수 있다.
본 명세서에 기술된 기술은 서버, 데이터베이스, 소프트웨어 애플리케이션, 및 다른 컴퓨터 기반 시스템뿐만 아니라 취해진 동작 및 이러한 시스템으로/로부터 전송되는 정보를 참조한다. 당업자는 컴퓨터 기반 시스템의 본래의 융통성이 구성 요소들 사이 및 구성 요소들 사이에서 가능한 많은 구성, 조합 및 태스크 및 기능의 분할을 허용한다는 것을 인식할 것이다. 예를 들어, 본 명세서에 설명된 서버 프로세스는 단일 서버 또는 여러 서버가 결합하여 구현될 수 있다. 데이터베이스 및 애플리케이션은 단일 시스템에서 구현되거나 여러 시스템에 분산될 수 있다. 분산 구성 요소는 순차적으로 또는 병렬로 동작할 수 있다.
더욱이, 서버에서 수행되는 것으로 본 명세서에서 논의된 컴퓨팅 태스크들은 대신에 사용자 디바이스에서 수행될 수 있다. 마찬가지로, 본 명세서에서 사용자 디바이스에서 수행되는 것으로서 논의된 컴퓨팅 태스크들은 서버에서 대신 수행될 수 있다.
본 발명의 주제가 특정 예시적인 실시예들 및 그 방법들에 대해 상세히 설명되었지만, 당업자라면 전술한 내용을 이해함에 따라 이러한 실시예에 대한 변화, 변형 및 균등물을 용이하게 생성할 수 있음을 이해할 것이다. 따라서, 본 발명의 범위는 제한을 위한 것이라기보다는 예로서, 주제 개시는 본 발명의 주제에 대한 그러한 수정, 변형 및/또는 추가의 포함을 배제하지 않으며 당업자에게 자명하다.

Claims (39)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
  21. 디스플레이 디바이스상에 디스플레이하기 위한 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법으로서, 상기 맵 인터페이스는 복수의 맵 타일을 포함하고, 각 맵 타일은 맵 인터페이스에 의해 묘사된 지리적 영역의 일부와 관련되고, 상기 상기 방법은,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하는 단계, 상기 맵 타일은 지리적 영역의 일부와 관련된 이미지를 제시하고;
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 맵 타일과 관련된 지리적 영역의 적어도 개별(respective) 부분을 묘사하는 이미지를 기술하는 데이터를 획득하는 단계, 상기 이미지는 이미지 획득 시스템에 의해 획득되고;
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부와 관련된 변화(change)의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하는 단계, 상기 분석하는 단계는,
    (a) 각각이 지리적 영역의 개별 부분의 서브 영역을 나타내는 상기 맵 타일의 제1 복수의 셀 중 적어도 하나 및 각각이 제1 복수의 셀로 표현된 개별 서브 영역에 대응하는 상기 이미지의 제2 복수의 셀 중 적어도 대응하는 하나를 분석하는 단계와;
    (b) 상기 단계(a)의 분석에 적어도 부분적으로 기초하여 상기 지리적 영역의 일부의 하나 이상의 서브 영역과 관련된 구조 자산, 운송 자산, 환경 자산 또는 농업 자산 중 하나 이상과 관련된 변화의 발생을 검출하는 단계와; 그리고
    (c) 상기 단계(b)의 검출에 적어도 부분적으로 기초하여 상기 지리적 영역의 일부와 관련된 변화 레벨을 식별하는 단계를 더 포함하고;
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 식별된 변화 레벨에 적어도 부분적으로 기초하여, 상기 지리적 영역의 일부와 관련된 변화를 반영하기 위해 상기 맵 인터페이스의 맵 타일을 업데이트하는 단계;
    하나 이상의 컴퓨팅 디바이스에 의해 이미지 획득 시스템에, 상기 식별된 변화 레벨에 적어도 부분적으로 기초하여 상기 지리적 영역의 각각의 일부와 관련된 이미지 데이터의 획득 패턴을 조정하기 위한 제어 명령을 제공하는 단계, 상기 획득 패턴은 이미지 획득 시스템의 이동(travel) 패턴 및 이미지 획득 빈도를 포함하고; 및
    상기 업데이트된 맵 타일을 포함하는 업데이트된 맵 인터페이스를 디스플레이 디바이스상에 디스플레이하기 위해 제공하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  22. 제21항에 있어서,
    상기 하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부와 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하는 단계는,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부의 하나 이상의 서브 영역과 관련된 변화의 발생을 검출하기 위해 상기 제1 복수의 셀 중 적어도 하나 및 상기 제2 복수의 셀 중 적어도 하나를 기술하는 데이터를 기계 학습된 이진 분류기 모델에 입력하는 단계; 및
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 이진 분류기 모델로부터 상기 지리적 영역의 일부의 하나 이상의 서브 영역과 관련된 변화의 발생을 기술하는 제1 출력을 수신하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  23. 제22항에 있어서,
    상기 하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부와 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하는 단계는,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 하나 이상의 다른(other) 서브 영역과 관련된 하나 이상의 변화의 발생을 식별하기 위해 상기 이진 분류기 모델에 대한 다른 입력으로서 상기 제1 및 제2 복수의 셀 중 다른 셀을 기술하는 데이터를 제공하는 단계;
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 이진 분류기 모델로부터 상기 지리적 영역의 하나 이상의 다른 서브 영역과 관련된 하나 이상의 변화의 발생을 기술하는 제2 출력을 수신하는 단계; 및
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 제1 및 제2 출력에 적어도 부분적으로 기초하여 상기 지리적 영역과 관련된 변화 레벨을 결정하는 단계를 더 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  24. 제21항에 있어서, 상기 하나 이상의 컴퓨팅 디바이스에 의해, 상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 변화 레벨이 임계 레벨을 초과하는지 여부를 결정하는 단계; 및
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 변화 레벨이 임계 레벨을 초과 할 때 상기 맵 인터페이스를 업데이트하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  25. 삭제
  26. 제21항에 있어서,
    상기 하나 이상의 컴퓨팅 디바이스에 의해, 상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부와 관련된 변화를 반영하기 위해 새로운 맵 타일을 생성하기 위한 제어 명령을 맵 타일 관리 시스템으로 제공하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  27. 제21항에 있어서, 상기 하나 이상의 컴퓨팅 디바이스에 의해, 상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 맵 인터페이스의 맵 타일을 상기 지리적 영역의 일부와 관련된 변화를 반영하는 새로운 맵 타일로 대체하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  28. 제27항에 있어서,
    상기 새로운 맵 타일은,
    상기 지리적 영역의 적어도 일부를 묘사하는 이미지에 적어도 부분적으로 기초하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  29. 제21항에 있어서,
    하나 이상의 컴퓨팅 디바이스에 의해, 복수의 사용자 디바이스와 관련된 위치 데이터를 획득하는 단계, 상기 위치 데이터는 지리적 영역의 일부에 위치된 사용자 디바이스의 수를 나타내고; 및
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부분에 위치된 사용자 디바이스의 수에 적어도 부분적으로 기초하여 상기 지리적 영역과 관련된 중요도 레벨을 결정하는 단계를 더 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  30. 제29항에 있어서,
    하나 이상의 컴퓨팅 디바이스에 의해, 상기 지리적 영역의 일부와 관련된 중요도 레벨에 적어도 부분적으로 기초하여 맵 타일을 식별하는 단계를 더 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  31. 제29항에 있어서,
    상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    임계값 이상인 것으로 결정되는 지리적 영역의 일부와 관련된 중요도 레벨에 따라 수행되는 것을 특징으로 하는 맵 인터페이스를 업데이트하는 컴퓨터 구현 방법.
  32. 컴퓨터 실행 가능 명령들을 포함하는 비-일시적 컴퓨터 판독 가능 저장 매체로서, 상기 컴퓨터 실행 가능 명령들은 하나 이상의 컴퓨터 프로세서에 의해 실행될 때 상기 프로세서들로 하여금:
    맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하고, 상기 맵 타일은 지리적 영역의 일부와 관련된 이미지를 제시하고;
    상기 맵 타일과 관련된 지리적 영역의 적어도 개별 부분을 묘사하는 이미지를 기술하는 데이터를 획득하고, 상기 이미지는 이미지 획득 시스템에 의해 획득되고;
    상기 지리적 영역의 일부와 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하고, 상기 지리적 영역의 일부와 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하기 위해, 상기 프로세서들은,
    (a) 각각이 지리적 영역의 개별 부분의 서브 영역을 나타내는 상기 맵 타일의 제1 복수의 셀 중 적어도 하나 및 각각이 제1 복수의 셀로 표현된 개별 서브 영역에 대응하는 상기 이미지의 제2 복수의 셀 중 적어도 대응하는 하나를 분석하고;
    (b) 상기 단계(a)의 분석에 적어도 부분적으로 기초하여 상기 지리적 영역의 일부의 하나 이상의 서브 영역과 관련된 변화의 발생을 검출하고; 그리고
    (c) 상기 단계(b)의 검출에 적어도 부분적으로 기초하여 상기 지리적 영역의 일부와 관련된 구조 자산, 운송 자산, 환경 자산 또는 농업 자산 중 하나 이상과 관련된 변화 레벨을 식별하게 하고;
    상기 식별된 변화 레벨에 적어도 부분적으로 기초하여, 상기 지리적 영역의 일부와 관련된 변화를 반영하기 위해 상기 맵 인터페이스의 맵 타일을 업데이트하고;
    이미지 획득 시스템에, 상기 식별된 변화 레벨에 적어도 부분적으로 기초하여 상기 지리적 영역의 각각의 일부와 관련된 이미지 데이터의 획득 패턴을 조정하기 위한 제어 명령을 제공하고, 상기 획득 패턴은 이미지 획득 시스템의 이동 패턴 및 이미지 획득 빈도를 포함하고; 그리고
    상기 업데이트된 맵 타일을 포함하는 업데이트된 맵 인터페이스를 디스플레이 디바이스상에 디스플레이하기 위해 제공하게 하는 것을 특징으로 하는 비-일시적 컴퓨터 판독 가능 저장 매체.
  33. 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템으로서,
    적어도 하나의 프로세서; 및
    적어도 하나의 프로세서에 의해 실행될 때 컴퓨팅 시스템으로 하여금 동작들을 수행하게 하는 명령들을 저장하는 적어도 하나의 유형의 비-일시적 컴퓨터 판독 가능 매체를 포함하고, 상기 동작들은,
    맵 인터페이스의 맵 타일을 기술하는 데이터를 획득하는 단계, 상기 맵 타일은 지리적 영역의 일부와 관련된 이미지를 제시하고;
    상기 맵 타일과 관련된 지리적 영역의 적어도 개별 부분을 묘사하는 이미지를 기술하는 데이터를 획득하는 단계, 상기 이미지는 이미지 획득 시스템에 의해 획득되고;
    상기 지리적 영역의 일부와 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하는 단계, 상기 분석하는 단계는,
    (a) 각각이 지리적 영역의 개별 부분의 서브 영역을 나타내는 상기 맵 타일의 제1 복수의 셀 중 적어도 하나 및 각각이 제1 복수의 셀로 표현된 개별 서브 영역에 대응하는 상기 이미지의 제2 복수의 셀 중 적어도 대응하는 하나를 분석하는 단계와;
    (b) 상기 단계(a)의 분석에 적어도 부분적으로 기초하여 상기 지리적 영역의 일부의 하나 이상의 서브 영역에서 변화의 발생을 검출하는 단계와; 그리고
    (c) 상기 단계(b)의 검출에 적어도 부분적으로 기초하여 상기 지리적 영역의 일부와 관련된 구조 자산, 운송 자산, 환경 자산 또는 농업 자산 중 하나 이상과 관련된 변화 레벨을 식별하는 단계를 더 포함하고;
    상기 식별된 변화 레벨에 적어도 부분적으로 기초하여, 상기 지리적 영역의 일부와 관련된 변화를 반영하기 위해 상기 맵 인터페이스의 맵 타일을 업데이트하는 단계;
    이미지 획득 시스템에, 상기 식별된 변화 레벨에 적어도 부분적으로 기초하여 상기 지리적 영역의 각각의 일부와 관련된 이미지 데이터의 획득 패턴을 조정하기 위한 제어 명령을 제공하는 단계, 상기 획득 패턴은 이미지 획득 시스템의 이동 패턴 및 이미지 획득 빈도를 포함하고; 및
    상기 업데이트된 맵 타일을 포함하는 업데이트된 맵 인터페이스를 디스플레이 디바이스상에 디스플레이하기 위해 제공하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
  34. 제33항에 있어서,
    상기 지리적 영역의 일부와 관련된 변화의 발생을 결정하기 위해 상기 맵 타일을 기술하는 데이터와 상기 이미지를 기술하는 데이터를 분석하는 단계는,
    상기 지리적 영역의 일부의 하나 이상의 서브 영역과 관련된 변화의 발생을 검출하기 위해 상기 제1 복수의 셀 중 적어도 하나 및 상기 제2 복수의 셀 중 적어도 하나를 기술하는 데이터를 기계 학습된 이진 분류기 모델에 입력하는 단계; 및
    상기 이진 분류기 모델로부터 상기 지리적 영역의 일부의 하나 이상의 서브 영역과 관련된 변화의 발생을 기술하는 제1 출력을 수신하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
  35. 제33항에 있어서,
    상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    상기 변화 레벨이 임계 레벨을 초과하는지 여부를 결정하는 단계; 및
    상기 변화 레벨이 임계 레벨을 초과 할 때 상기 맵 인터페이스를 업데이트하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
  36. 제33항에 있어서,
    상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    상기 지리적 영역의 변화를 반영하기 위해 새로운 맵 타일을 생성하기 위한 제어 명령을 맵 타일 관리 시스템으로 제공하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
  37. 제33항에 있어서,
    상기 맵 인터페이스의 맵 타일을 업데이트하는 단계는,
    상기 맵 인터페이스의 맵 타일을 상기 지리적 영역의 일부와 관련된 변화를 반영하는 새로운 맵 타일로 대체하는 단계를 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
  38. 제33항에 있어서, 상기 동작들은,
    복수의 사용자 디바이스와 관련된 위치 데이터를 획득하는 단계, 상기 위치 데이터는 지리적 영역의 일부에 위치된 사용자 디바이스의 수를 나타내고; 및
    상기 지리적 영역의 일부분에 위치된 사용자 디바이스의 수에 적어도 부분적으로 기초하여 상기 지리적 영역과 관련된 중요도 레벨을 결정하는 단계를 더 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
  39. 제38항에 있어서, 상기 동작들은,
    상기 지리적 영역의 일부와 관련된 중요도 레벨에 적어도 부분적으로 기초하여 맵 타일을 식별하는 단계를 더 포함하는 것을 특징으로 하는 맵 인터페이스를 업데이트하기 위한 컴퓨터 시스템.
KR1020197002297A 2016-08-24 2016-08-24 변화 검출 기반의 맵 인터페이스 업데이트 시스템 KR102299378B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2016/048411 WO2018038722A1 (en) 2016-08-24 2016-08-24 Change detection based map interface updating system

Publications (2)

Publication Number Publication Date
KR20190024971A KR20190024971A (ko) 2019-03-08
KR102299378B1 true KR102299378B1 (ko) 2021-09-07

Family

ID=56877133

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197002297A KR102299378B1 (ko) 2016-08-24 2016-08-24 변화 검출 기반의 맵 인터페이스 업데이트 시스템

Country Status (8)

Country Link
US (1) US10528542B2 (ko)
EP (1) EP3504634A1 (ko)
JP (1) JP7023927B2 (ko)
KR (1) KR102299378B1 (ko)
CN (1) CN110325981B (ko)
DE (1) DE112016002782T5 (ko)
GB (1) GB2568227A (ko)
WO (1) WO2018038722A1 (ko)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018073886A1 (ja) * 2016-10-18 2018-04-26 本田技研工業株式会社 車両制御装置
CN108460815B (zh) * 2017-02-22 2022-06-17 腾讯科技（深圳）有限公司 地图道路要素编辑方法和装置
CN107067003B (zh) * 2017-03-09 2021-09-21 百度在线网络技术（北京）有限公司 感兴趣区域边界的提取方法、装置、设备和计算机存储介质
US10541745B2 (en) * 2017-03-10 2020-01-21 Hughes Network Systems, Llc System and method for network controlled geofencing
US10803361B2 (en) * 2017-05-11 2020-10-13 Facebook, Inc. Systems and methods for partitioning geographic regions
US20200244747A1 (en) * 2017-08-10 2020-07-30 Sony Corporation Information processing device, information processing method, and computer program
US10809719B2 (en) * 2017-08-29 2020-10-20 Uatc, Llc Systems and methods of controlling an autonomous vehicle using an enhanced trajectory following configuration
JP7013182B2 (ja) * 2017-09-21 2022-01-31 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
US10560206B2 (en) 2017-12-12 2020-02-11 Viavi Solutions Inc. Processing a beamformed radio frequency (RF) signal
US10218941B1 (en) * 2018-03-13 2019-02-26 Lyft, Inc. Systems and methods for coordinated collection of street-level image data
JP6982242B2 (ja) * 2018-04-12 2021-12-17 日本電信電話株式会社 学習データ生成装置、変化領域検出方法及びコンピュータプログラム
US10631263B2 (en) * 2018-09-14 2020-04-21 Viavi Solutions Inc. Geolocating a user equipment
US11592297B2 (en) 2018-12-20 2023-02-28 Here Global B.V. Method and apparatus for updating maps using gradient thresholding
US10876844B2 (en) * 2018-12-26 2020-12-29 Beijing Voyager Technology Co., Ltd. Systems and methods for loading and tracking maps on a vehicle
DE102019101639A1 (de) * 2019-01-23 2020-07-23 Deutsches Zentrum für Luft- und Raumfahrt e.V. System zum Update von Navigationsdaten
EP3809231B1 (en) * 2019-10-17 2023-10-18 Nokia Solutions and Networks Oy Controlling movement of a device
FR3107349B1 (fr) * 2020-02-14 2022-01-14 Amadeus Sas Procédé et système de carte et de navigation assistées par caméra
US20210406559A1 (en) * 2020-06-29 2021-12-30 Lyft, Inc. Systems and methods for effecting map layer updates based on collected sensor data
KR102374158B1 (ko) * 2020-08-10 2022-03-16 (주)아이웨이 Gis 및 cnn 기반 공공데이터를 이용한 변화탐지 서비스 제공 방법
US11651685B2 (en) 2020-09-23 2023-05-16 International Business Machines Corporation Traffic data analysis and traffic jam prediction
US11601209B2 (en) * 2020-11-25 2023-03-07 At&T Intellectual Property I, L.P. Modeling radio wave propagation in a fifth generation (5G) or other next generation network
CN113763554A (zh) * 2021-09-10 2021-12-07 厦门汇利伟业科技有限公司 一种非规则区域地形高度点的更新方法和更新处理单元
CN116166765B (zh) * 2023-04-23 2023-08-01 国家基础地理信息中心 一种矢量数据的更新方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011022004A (ja) * 2009-07-15 2011-02-03 Pioneer Electronic Corp 地図データ更新装置、地図データ更新方法、地図データ更新プログラムおよび記録媒体
JP2013152383A (ja) * 2012-01-26 2013-08-08 Mitsubishi Electric Corp 簡略地図生成装置、簡略地図生成方法、簡略地図表示装置、及び簡略地図表示方法
US20130287307A1 (en) 2010-07-28 2013-10-31 Microsoft Corporation Data difference guided image capturing

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0786914B2 (ja) 1986-11-07 1995-09-20 株式会社日立製作所 画像を用いた変化検出方法
IE61778B1 (en) 1989-01-04 1994-11-30 Emyville Enterprises Image processing
US6661838B2 (en) 1995-05-26 2003-12-09 Canon Kabushiki Kaisha Image processing apparatus for detecting changes of an image signal and image processing method therefor
US6335976B1 (en) 1999-02-26 2002-01-01 Bomarc Surveillance, Inc. System and method for monitoring visible changes
FR2845621B1 (fr) 2002-10-10 2004-12-10 Ahlstrom Research & Services Media filtrant perfectionne et utilisation dudit media filtrant pour la depollution des lagunes
US7270299B1 (en) 2004-03-23 2007-09-18 Northrop Grumman Corporation Space based change detection using common ground track constellations
JP4521235B2 (ja) 2004-08-25 2010-08-11 日立ソフトウエアエンジニアリング株式会社 撮影画像の変化抽出装置及び方法
JP4699170B2 (ja) 2005-10-19 2011-06-08 アイシン・エィ・ダブリュ株式会社 地図情報配信システム
JP4156003B2 (ja) * 2006-10-12 2008-09-24 株式会社ゼンリン 地図情報管理システム及び地図情報配信システム
US7990804B2 (en) 2006-12-01 2011-08-02 The United States Of America As Represented By The Secretary Of The Navy Method and system for real-time automated change detection and classification for images
US20080278508A1 (en) 2007-05-11 2008-11-13 Swen Anderson Architecture and Method for Remote Platform Control Management
EP2185897A1 (de) * 2007-08-25 2010-05-19 Continental Teves AG & CO. OHG Vorrichtung und verfahren zur aktualisierung von digitalen karten
US8144937B2 (en) 2008-10-15 2012-03-27 The Boeing Company System and method for airport mapping database automatic change detection
US8001115B2 (en) 2008-10-16 2011-08-16 The Curators Of The University Of Missouri Identifying geographic-areas based on change patterns detected from high-resolution, remotely sensed imagery
TW201040306A (en) 2009-03-11 2010-11-16 Air Liquide Bubbling supply system for stable precursor supply
EP3104362A1 (en) 2009-03-16 2016-12-14 TomTom Belgium N.V. Method for updating digital maps
WO2011135406A1 (en) * 2010-04-27 2011-11-03 Nokia Corporation Processing objects of a radiomap database
GB2482551A (en) 2010-08-06 2012-02-08 Qinetiq Ltd Alignment of synthetic aperture radar images
KR20120071160A (ko) * 2010-12-22 2012-07-02 한국전자통신연구원 이동체용 실외 지도 제작 방법 및 그 장치
US8589012B2 (en) * 2011-06-14 2013-11-19 Crown Equipment Limited Method and apparatus for facilitating map data processing for industrial vehicle navigation
DE202012013403U1 (de) 2011-08-26 2016-10-27 Terra Bella Technologies Inc. Erfassen und Verarbeiten adaptiver Bilder mit Bildanalyse-Rückmeldung
US9977978B2 (en) 2011-11-14 2018-05-22 San Diego State University Research Foundation Image station matching, preprocessing, spatial registration and change detection with multi-temporal remotely-sensed imagery
JP5905308B2 (ja) 2012-03-26 2016-04-20 富士フイルム株式会社 画像処理装置、方法及びプログラム
US9081079B2 (en) * 2012-05-02 2015-07-14 Qualcomm Incorporated Adaptive updating of indoor navigation assistance data for use by a mobile device
US8818081B1 (en) * 2013-10-16 2014-08-26 Google Inc. 3D model updates using crowdsourced video
IL231947A0 (en) * 2014-04-03 2014-08-31 Chess Vision Ltd A vision system for monitoring board games and a method therefor
WO2015182382A1 (ja) * 2014-05-30 2015-12-03 富士フイルム株式会社 細胞評価装置および方法並びにプログラム
US9437004B2 (en) * 2014-06-23 2016-09-06 Google Inc. Surfacing notable changes occurring at locations over time
CN104778719B (zh) 2015-05-07 2017-10-24 西安电子科技大学 基于二阶统计量扰动分析的sar图像变化检测方法
US10042055B2 (en) 2016-04-20 2018-08-07 Here Global B.V. Traffic volume estimation
US9886771B1 (en) 2016-05-20 2018-02-06 Ccc Information Services Inc. Heat map of vehicle damage
GB2555228B (en) * 2016-08-24 2021-10-27 Google Llc Change detection based imagery acquisition tasking system
RU2677573C2 (ru) * 2017-04-05 2019-01-17 Общество С Ограниченной Ответственностью "Яндекс" Система и способ дополнения изображения стилизованными свойствами
US11373266B2 (en) * 2017-05-05 2022-06-28 Intel Corporation Data parallelism and halo exchange for distributed machine learning
US10552978B2 (en) * 2017-06-27 2020-02-04 International Business Machines Corporation Dynamic image and image marker tracking

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011022004A (ja) * 2009-07-15 2011-02-03 Pioneer Electronic Corp 地図データ更新装置、地図データ更新方法、地図データ更新プログラムおよび記録媒体
US20130287307A1 (en) 2010-07-28 2013-10-31 Microsoft Corporation Data difference guided image capturing
JP2013152383A (ja) * 2012-01-26 2013-08-08 Mitsubishi Electric Corp 簡略地図生成装置、簡略地図生成方法、簡略地図表示装置、及び簡略地図表示方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
F. Carbone et. al., Automatic generation of frequently updated land cover products at national level using COSMO-SkyMed SAR imagery, IGRARSS 2016. pp. 3406-3409. 2016.07.10. 1부.*
Masroor Hussain et. al., Change detection from remotely sensed images: From pixel-based to object-based approaches, ISPRS Journal of Photogrammetry and remote sensing 80. pp.91-106. 2013.06.01. 1부.*

Also Published As

Publication number Publication date
WO2018038722A1 (en) 2018-03-01
CN110325981A (zh) 2019-10-11
CN110325981B (zh) 2023-02-17
GB201715887D0 (en) 2017-11-15
JP7023927B2 (ja) 2022-02-22
US10528542B2 (en) 2020-01-07
GB2568227A (en) 2019-05-15
JP2019533180A (ja) 2019-11-14
US20180253424A1 (en) 2018-09-06
KR20190024971A (ko) 2019-03-08
EP3504634A1 (en) 2019-07-03
DE112016002782T5 (de) 2018-07-05

Similar Documents

Publication Publication Date Title
KR102299378B1 (ko) 변화 검출 기반의 맵 인터페이스 업데이트 시스템
US10922578B2 (en) Change detection based imagery acquisition tasking system
US11403846B2 (en) Crop boundary detection in images
US11321943B2 (en) Crop type classification in images
US10949972B2 (en) Analyzing operational data influencing crop yield and recommending operational changes
US20190042865A1 (en) Image-Based Pedestrian Detection
US11544297B2 (en) Computer-based method and system for urban planning
US20230289974A1 (en) Performing semantic segmentation of 3d data using deep learning
EP4273501A1 (en) Method, apparatus, and computer program product for map data generation from probe data imagery

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant