计算机为什么不能从空中观察地球，并且自动绘制道路、建筑和垃圾堆的地图呢？专业卫星经营公司 DigitalGlobe正与亚马逊、中央情报局（CIA）风投部门以及芯片生产商Nvidia合作，试图实现这个设想。
在一个联合项目中，DigitalGlobe今天发布了整个里约热内卢的卫星航拍图像，分辨率可达50厘米。在整个城市大约1900平方公里的土地上，20万座建筑的轮廓线被手动标示于航拍图中。被称为 SpaceNet的这个数据集，将被用来启动一个机器学习算法的训练项目，为了让机器能够自动将航拍图像转换成图形数据。
DigitalGlobe发言称 SpaceNet数据集最终将包括地球上50万平方公里地区内的高分辨率航拍图像，数据中除了建筑轮廓外还会加入别的信息标注。
DigitalGlobe的数据远比能够在网上获取的NASA航拍等数据详细得多，网上的数据一般只能达到10米左右的分辨率。亚马逊将在它的云计算服务中发布 SpaceNet数据。 Nvidia将为机器学习研究者提供工具，帮助他们对基于这些数据的机器学习算法进行训练和测试。CIA风投部门 In-Q-Tel的一个专注于宇宙空间的分支机构 CosmiQ Works也在支持这个项目的运行。
“我们需要开发出处理这类数据的新算法。” DigitalGlobe资深副总裁 Tony Frazier说。这个公司经营着四个航拍卫星，为美国情报机关、人道机构等组织提供数据，目前从这些图像中提取所需数据的工作主要依靠人力来完成。
Frazier说，应该能够通过训练软件来自动完成很多任务，包括绘制棚户区的道路和建筑、跟踪公园座椅、公交站牌等城市公共设施的变化，以及识别建筑和其它构筑物屋顶的材质等。他说这类的信息可能具有商业价值，还能帮助医疗救助项目。
一家通过公共卫星图像预测作物产量的创业公司 Descartes Labs的CEO Mark Johnson说，这些新数据应该很受创业公司和研究者的欢迎。他指出，其潜在的 应用 包括从城市区域的活动情况预测经济产出，或者帮助城市政府改善垃圾处理和运输等服务。
SpaceNet数据将在 ImageNet中进行标注建模，这是一个100万张带有标注的 图片 库，多年来这个库一直被用于支持图片识别的研究，也包括最近让图片识别准确度突飞猛进的研究。Google和Facebook等公司的图片识别技术最早就是在 ImageNet上进行测试的。
