Het CBS vertelt hoe zij door een zogenoemde meestervervalser zijn geholpen bij het herkennen van zonnepanelen op luchtfoto’s. Met deze hulp uit een onverwachtse hoek kan beter in kaart worden gebracht hoeveel zonnestroom er in Nederland wordt opgewekt.

Om zonnepanelen te herkennen in luchtfoto’s maakt het CBS gebruik van zogeheten als deep neural networks. Door dit netwerk te trainen met een grotere hoeveelheid data is het mogelijk om beter presterende netwerken te maken. Hier zijn grote hoeveelheden plaatjes voor nodig. Deze plaatjes worden handmatig—vaak door meerdere mensen—beoordeeld of ze wel of geen zonnepanelen bevatten, wat een heel een arbeidsintensief traject oplevert.

Training
Hierom is er gekeken naar de mogelijkheid om plaatjes toe te voegen zonder dat ze door mensen beoordeeld zijn. Het CBS heeft onderzoek gedaan naar zogenaamde Generative Adversarial Networks (GANs); neurale netwerken die automatisch nieuwe plaatjes kunnen maken.

CBS schrijft het volgende: “Een generative adversarial network (GAN) is een specifiek deep neural network dat uit twee componenten bestaat. De eerste component is de generator of vervalser die probeert plaatjes (vervalsingen) te genereren die moeilijk van echt zijn te onderscheiden. De tweede component is de discriminator die de vervalste plaatjes juist van de echte moet onderscheiden. Beide delen worden samen getraind met als einddoel een GAN die vervalsingen oplevert die moeilijk van echt te onderscheiden zijn.”

Nader onderzoek
CBS concludeert dat de networks (GANs) succesvol ingezet kunnen worden bij het genereren van extra trainingsdata en de verbetering van classificatiemodellen. Ze zijn dan ook een goed extra hulpmiddel wanneer gelabelde data moeilijk te verkrijgen of kostbaar is.

Ook kunnen ze gebruikt worden om data uit een bepaalde klasse of van een bepaald type te genereren. GANs kunnen plaatjes uit een andere regio of domein genereren, zonder dat daarbij veel plaatjes handmatig geannoteerd moeten worden. CBS noemt dit een interessante onderzoeksrichting die ook voor de toekomst veelbelovend kan zijn.