Categories: ForschungInnovation

Selbstlernender Algorithmus von Google identifiziert Aufnahmeort von Fotos

Google-Forscher haben einen Algorithmus konzipiert, der mit „übermenschlicher Genauigkeit“ erraten kann, wo ein Foto aufgenommen wurde. Er nutzt dazu nur die Pixel eines Bildes und nicht etwa die Metadaten, wie die MIT Technology Review berichtet.

Training von PlaNet (Bild: Google)Das System haben seine Erfinder um Computervisionsspezialist Tobias Weyand „PlaNet“ getauft. Sie beschreiben es auch in einem Forschungsbericht (PDF). Um es zu trainieren, verwendeten sie eine große Zahl auf Google+ veröffentlichter Bilder, deren EXIF-Metadaten den Aufnahmeort verrieten.

Bisherige vergleichbare Algorithmen hätten sich auf Landschaften und Bauten konzentriert, um den Aufnahmeort näherungsweise zu ermitteln, heißt es darin. PlaNet hingegen verwendet eine Vielzahl Merkmale, darunter das Wetter, die Vegetation, Straßenmarkierungen und architektonische Details. Diese Merkmale hatten zuvor menschliche Probanden als wichtigste Hinweise identifiziert.

Whitepaper

Studie zu Filesharing im Unternehmen: Kollaboration im sicheren und skalierbaren Umfeld

Im Rahmen der von techconsult im Auftrag von ownCloud und IBM durchgeführten Studie wurde das Filesharing in deutschen Unternehmen ab 500 Mitarbeitern im Kontext organisatorischer, technischer und sicherheitsrelevanter Aspekte untersucht, um gegenwärtige Zustände, Bedürfnisse und Optimierungspotentiale aufzuzeigen. Jetzt herunterladen!

Als Vereinfachung unterteilt PlaNet die Erde in 26.000 Quadrate. Diese sind nicht gleich groß, sondern desto größer, je mehr Bilder aus dieser Gegend vorliegen. China wurde ausgenommen, da es dort kein Street View gibt. Mittels der Website www.geoguessr.com ließen sie PlaNet anschließend gegen Menschen antreten. Die dortige Sammlung umfasst 126 Millionen Aufnahmen. Bei ihrer Ortsbestimmung schlug PlaNet in 28 von 50 Fällen den menschlichen Gegner.

Im Trainingsmodus hatte PlaNet sich mit einer noch weit größeren Bildersammlung beschäftigt: „Für diese Aufgabe trugen wir eine Sammlung aus 29,7 Millionen öffentlichen Fotoalben mit Geotags auf Google+ zusammen, die wir in 23,5 Millionen Trainingsalben mit 490 Millionen Bildern und 6,2 Millionen Test-Alben mit 126 Millionen Bildern aufteilten.“

Von Vorteil war dabei das Albenkonzept, das eine Vereinfachung des Lernprozesses ermöglichte. Die meisten Alben enthalten schließlich eine ganze Reihe an einem Ort gemachter Aufnahmen. Durch einen Vergleich konnte PlaNet ermitteln, was für eine Gegend typisch ist. Gegenüber einem Verfahren auf Basis von immer nur einem Bild konnten die Forscher so nach eigenen Angaben eine 50 Prozent bessere Trefferquote erzielen.

[mit Material von Liam Tung, ZDNet.com]

Tipp: Wie gut kennen Sie Google? Testen Sie Ihr Wissen – mit dem Quiz auf silicon.de.

Florian Kalenda

Seit dem Palm Vx mit Klapp-Tastatur war Florian mit keinem elektronischen Gerät mehr vollkommen zufrieden. Er nutzt derzeit privat Android, Blackberry, iOS, Ubuntu und Windows 7. Die Themen Internetpolitik und China interessieren ihn besonders.

Recent Posts

CopyRhadamantys greift weltweit Unternehmen an

Ausgeklügelte Phishing-Kampagne verwendet eine weiterentwickelte Version der Rhadamanthys-Stealer-Malware.

2 Tagen ago

Facebook Marketplace: EU verhängt Geldbuße von fast 800 Millionen Euro gegen Meta

Die EU-Kommission kritisiert die Verknüpfung von Facebook und dem hauseigenen Online-Kleinanzeigendienst. Sie sieht darin einen…

2 Tagen ago

Umfrage: Angestellte in Deutschland unterschätzen NIS-2-Richtlinie

Fast zwei Drittel halten jedoch eine Umsetzung aller Vorgaben von NIS 2 bis Jahresende für…

3 Tagen ago

Kostenloser Dekryptor für ShrinkLocker

Mit dem Dekryptor von Bitdefender können Opfer von Attacken mit der Shrinklocker-Ransomware Dateien wiederherstellen.

3 Tagen ago

Malwarebytes warnt vor Betrugsmaschen beim Weihnachtseinkauf

In der Vorweihnachtszeit ist vor allem Malvertising auf dem Vormarsch. Cyberkriminelle locken Nutzer über schädliche…

3 Tagen ago

Bedrohungsindex: Deutliche Zunahme von Infostealern im Oktober

Dazu trägt unter der Infostealer Lumma-Stealer bei. Hierzulande dominiert der Infostealer Formbook die Malware-Landschaft.

4 Tagen ago