This article presents a neural network system for location identification from a photograph that employs a cascade of filters to recognize key features: text language, landscape type, vegetation variety and road surface characteristics. The distinctive aspect of this approach lies in combining the outputs of all filters using an original probabilistic method, which allows to significantly narrow the search area. The system successfully identifies distinctive topological features of different geographic regions, such as the red roads of Australia, the coniferous forests of Russia and Canada, or the tropical vegetation of South America. Testing on an extensive dataset of photographs confirms the high efficiency of the method, with the system correctly identifies the country or region of capture in most cases. This approach opens new possibilities for applications where metadata-free geolocation is crucial ‒ from travel services to historical research. Further development of the system involves adding new filters to achieve even more precise location identification.
Представлена инновационная нейросетевая система определения местоположения по фотографии, использующая каскад фильтров для распознавания ключевых признаков: языка надписей, типа ландшафта, разновидности растительности и характеристик дорожного покрытия. Особенность подхода – комбинирование результатов работы всех фильтров по оригинальной вероятностной методике, позволяющей существенно сужать зону поиска. Система успешно различает характерные особенности топологии разных географических регионов, например, красные дороги Австралии, хвойные леса России и Канады, тропическую растительность Южной Америки. Тестирование на обширной выборке фотографий подтверждает высокую эффективность метода – в большинстве случаев система корректно определяет страну или регион съемки. Представленный подход открывает новые возможности для систем, где важна геолокация без метаданных: от туристических сервисов до исторических исследований. Дальнейшее усовершенствование системы предполагает добавление новых фильтров для еще более точного определения местоположения.