Hoe GeoPin Werkt

Elke afbeelding, zowel de zoekopdracht als de miljoenen referentiebeelden in onze database, wordt verwerkt door GeoPin's visuele embedding-engine, een gespecialiseerd deep learning-model voor plaatsherkenning. Dit model transformeert elke afbeelding in een compacte 512-dimensionale embedding-vector die de geografische visuele identiteit vastlegt.

In tegenstelling tot classificatiemodellen die discrete locaties voorspellen, leert ons model een continue embedding-ruimte waarin visueel vergelijkbare plaatsen dicht bij elkaar clusteren. Twee foto's van dezelfde straathoek, genomen op verschillende tijdstippen en vanuit verschillende hoeken, produceren vectoren die dicht bij elkaar liggen in deze ruimte.

Vectorovereenkomst alleen kan fout-positieven opleveren: verschillende locaties die toevallig op elkaar lijken. Om deze te elimineren past GeoPin geometrische verificatie toe met lokale feature matching.

GeoPin's verificatie-engine extraheert robuuste lokale kenmerken uit zowel de zoekafbeelding als elk kandidaat-referentiebeeld. Een gespecialiseerde feature-matcher matcht vervolgens deze kenmerken met een lichtgewicht attention-gebaseerde architectuur, waarbij correspondentie wordt gevonden die voldoen aan de geometrische beperkingen van een echte sceneovereenkomst.

Alleen kandidaten met voldoende geometrisch consistente feature-matches doorstaan de verificatie. Het eindresultaat bevat GPS-coordinaten, een betrouwbaarheidsscore en de gematchte referentiebeelden.