random_streetview_images_pano_v0.0.2

מה זה

המאגר מורכב מתמונות פנורמיות בכיסוי של כמעט 360 מעלות, שנוצרו מחיבור גס של כמה צילומים שנלקחו מתוך האתר randomstreetview.com שמציג תוכן של Google Street View. כל רשומה כוללת את התמונה עצמה, שם קובץ עם חותמת זמן, קוד מדינה בן שתי אותיות בתקן הבינלאומי, קואורדינטות של קו רוחב וקו אורך, וכתובת טקסטואלית ברמת פירוט שהולכת מהרחוב ועד המדינה.

המטרה המוצהרת של הפרויקט היא אימון מודלים למיקום גאוגרפי לפי התוכן הוויזואלי בלבד, בהשראת המשחק Geoguessr. הנתונים הגאוגרפיים נלקחו ישירות מתשובות השרת בזמן האיסוף, ורק חלק קטן מהם עבר בדיקה ידנית. כל הנתונים נמצאים בחלוקה יחידה של אימון, בלי חלוקה מובנית לולידציה או בדיקה, כך שצריך לפצל אותם לבד לפי הצורך.

מתאים ל

• סיווג מדינה לפי תמונה

  אימון רשת שמקבלת פנורמה ומזהה את המדינה המתאימה מתוך רשימת חמישים וחמש המדינות שקיימות בנתונים.

• חיזוי קואורדינטות ישיר

  בניית מודל רגרסיה שמנסה להעריך קווי רוחב ואורך מדויקים על בסיס רמזים ויזואליים בסביבה.

• בוט חכם למשחקי ניחוש

  פיתוח סוכן ממוחשב שמנתח תמונות רחוב ומנסה להתחרות במשחקים גאוגרפיים כמו Geoguessr.

איפה זה נופל

יש פה הטיה גאוגרפית כבדה. המאגר מכסה רק כחמישים וחמש מדינות מתוך כמעט מאתיים, כשרובן המוחלט מאירופה עם שלושים מדינות שונות, לעומת ייצוג אפסי כמעט של אפריקה ואוקיאניה. בממוצע יש רק כמאה שבעים וחמש תמונות לכל מדינה, וזה מדגם קטן מאוד שלא משקף את מגוון הנופים או האקלים. ישראל מופיעה ברשימה, אך הכתובות משלבות אנגלית עם שפת המקור ושלטי רחוב לא תמיד קיימים ברקע. בנוסף, הצילומים של גוגל יכולים להיות בני כמה חודשים עד כמה שנים, ויש מקרים שבהם טשטוש הפנים ולוחיות הרישוי לא עבד כמו שצריך.

איך טוענים

הנתונים מחולקים לשישה קובצי Parquet ששמורים בתיקיית המידע. אפשר לטעון את המאגר ישירות דרך ספריית datasets בלי צורך באישור גישה או בהרשמה מיוחדת, כי הוא פתוח לגמרי להורדה. השדות המרכזיים שתרצו לשלוף הם התמונה, country_iso_alpha2 לסיווג ברמת המדינה, וקואורדינטות latitude ו־longitude אם אתם מאמנים מודל רגרסיה לחיזוי נקודה מדויקת על הגלובוס. כדאי לקחת בחשבון שהתמונות שמורות בתוך הקבצים, ולכן תהליך הפריקה והעיבוד ידרוש זיכרון עבודה מתאים ופיצול עצמאי של הנתונים לפני תחילת האימון.

from datasets import load_dataset

ds = load_dataset("stochastic/random_streetview_images_pano_v0.0.2")

הרישיון

המאגר פורסם תחת רישיון MIT, שמתיר שימוש מסחרי, שינוי והפצה בלי דרישה לשתף את הקוד תחת אותו רישיון, ומחייב רק מתן קרדיט. עם זאת, התמונות עצמן נלקחו משירות Street View של גוגל, שיש לו תנאי שימוש מגבילים וזכויות יוצרים משלו, מה שיוצר סיכון משפטי עבור מודלים מסחריים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗