看著上面的圖片人類可以很容易的描述出“這是一個正在騎摩托車的人”、“三條狗在草地上奔跑”，但如果想讓電腦“看”完圖片之后能自動給出一段這樣的概述就不是一件容易事了，而現(xiàn)在Google卻已經(jīng)做到了。
按照Google的說法，通過自行開發(fā)的機器學(xué)習(xí)系統(tǒng)，它們現(xiàn)在已經(jīng)可以用自動化的方式來為圖片添加自然語言描述。這項技術(shù)不但有望讓那些對顏色不敏感的人群可以快速理解圖片中的內(nèi)容，也可以在網(wǎng)絡(luò)狀況不好的情況下用文本來暫時替代圖片顯示；當(dāng)然，更重要的是它還可以讓Google的圖片搜索功能更強大。
在以前，業(yè)界在用計算機對圖片進行自然語言描述時基本使用的都是計算機視覺和自然語言處理技術(shù)；但現(xiàn)在得益于機器翻譯技術(shù)的進步，通過遞歸神經(jīng)網(wǎng)絡(luò)(RNN)轉(zhuǎn)換，機器可以先把法語轉(zhuǎn)換成一個矢量，接著另外一個RNN用戶就可以通過這個矢量把法語轉(zhuǎn)換成德語；這樣Google只要能用另外一種具備圖片識別能力的神經(jīng)網(wǎng)絡(luò)(卷積神經(jīng)網(wǎng)絡(luò)，CNN)替換掉第一個RNN就可以得到一句能描述圖片的自然語言了。
所以整個自然語言的生成過程就是由讀取視覺的神經(jīng)網(wǎng)絡(luò)CNN到產(chǎn)生語言的神經(jīng)網(wǎng)絡(luò)RNN，進而最終得到一句自然語言。Google方面的測試顯示，這項技術(shù)的整體效果表現(xiàn)還不錯。當(dāng)然，我們從第一張圖中也可以看到這其中是會出現(xiàn)一些小錯誤甚至完全不準(zhǔn)確的情況，不過隨著數(shù)據(jù)集的增加和成熟，整體的精確度會越來越高。
其實，早在今年6月份時，Google就發(fā)過一篇博客闡述它們是如何讓用戶可以根據(jù)圖片中的內(nèi)容來搜索；在9月份時，Google又更新了它們在圖像中物體識別、分類和標(biāo)記方面的進展。如今到了11月，Google在這方面的技術(shù)又有了新的突破。不難看出，最終機器將會更了解圖片，而人們也會更容易找到自己想要的圖片。
- AI狂潮下，馬克?庫班預(yù)測：全球首位萬億富翁將如何誕生？
- 小米汽車YU7三大垂媒續(xù)航測試實力領(lǐng)跑，挑戰(zhàn)極限，無續(xù)航焦慮
- 比亞迪天神之眼升級：百萬大軍齊上陣，智駕升級破繭而出
- 周鴻祎遭指控抄襲引爭議，AI巨頭搶占硬件入口激戰(zhàn)正酣
- 新能源車新勢力：蔚來、問界晉升豪華陣營，小米、理想、特斯拉挑戰(zhàn)中高檔市場
- 智能眼鏡市場潛力巨大，2025年沖刺百萬大關(guān)：銷量暴增130%的瘋狂時代？
- 三星工藝競爭力不足，價格優(yōu)勢難掩技術(shù)短板
- 三大運營商重啟eSIM業(yè)務(wù)，不再涉足手機，別再讓Air和折疊搶風(fēng)頭了
- 騰訊音樂版權(quán)盛宴引爆市場，分析師稱付費與分紅閉環(huán)成新增長引擎
- 未來已至？蘋果智能眼鏡曝光，或與Meta Ray-Ban一決高下，2027年驚艷亮相
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
