Google在圖像識別領域又進了一步。據(jù)外媒報道，Google已經(jīng)公布了一個新的字幕系統(tǒng)，它可以識別照片上的內(nèi)容，并自動對它以自然語言進行描述并標記。

目前已經(jīng)有智能系統(tǒng)可以自動標記圖像，識別出其中的某個物體，但Google的這項技術可以描述的更全面，比如它的描述可能是“兩只狗在草地上玩”或“帶粉紅色帽子的小女孩在吹泡泡”。

這一軟件系統(tǒng)是Google使用大規(guī)模模擬神經(jīng)元處理數(shù)據(jù)的最新研究成果。沒人對識別場景的規(guī)則進行編程，這一神經(jīng)網(wǎng)絡是自己“學”會處理數(shù)據(jù)的。

新系統(tǒng)由兩個神經(jīng)網(wǎng)絡合成，一個能處理圖像，對其內(nèi)容進行數(shù)學化表示，供識別物體；另一網(wǎng)絡能自動生產(chǎn)完整文字，是翻譯軟件的一部分。兩者合成后，第一個會“觀看”圖片，向第二個網(wǎng)絡反饋所看到的內(nèi)容，然后后者會將信息加工為自然語言。

經(jīng)過大量圖片數(shù)據(jù)測試后的結果顯示，這一系統(tǒng)得到60分(滿分100)，而人類通常的結果是70分，可以說已經(jīng)做得相當不錯了。這項技術所作的描述仍然不如人類那樣完整，但已經(jīng)為人工智能和機器學習未來帶來光明。

想像一下，這種系統(tǒng)的一個用途是幫助視障人士了解照片，說不定，提供幾張圖片，Google也能講個睡前故事。

via mit

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。