亲测：让盲人“看见”图片我们离这项黑科技有多远

说起来很简单，那它实现起来有多难？

曾在阿里负责图像识别和搜索产品的赵京雷，现readface创始人表示：

“从视觉识别的角度，深度学习出现以后，它的难点主要在大规模可用训练数据和算法上。

从数据层面上来讲，要“教会”计算机去识别、描述一个图片的内容，一方面要识别图片中出现了什么样的物品，另一方面要描述这些物品中的关联。

比如对于‘一个人坐在湖边钓鱼’这样的图片，要描述出来，最基本的要识别出：人、湖和钓鱼竿；识别出物品之后还要能够确定三者之间的关系。

世界上形形色色的物品种类繁多，构建可靠的标注数据集，使得针对每类物品都有足够的标注样本，去指导学习算法习得物品种类概念，本身工作量巨大。而同类的物品之间，又存在不同可能的关系。要对这些可能的关系，构建足够的样本数据，工作量会更大。

在计算机视觉的学术界，（我记得）斯坦福前些年推出“ImageNet”，人工对百万图片标注里面出现的物品种类，ImageNet在过去几年推动了对照片中通用物品识别技术的发展。而为了进一步确定不同物品的关系，斯坦福去年推出新的数据集“Visual Genome ”，致力于在ImageNet的基础上，刻画出物品的关系。Genome数据集针对一副图片，把结构化的图像概念和语言联系起来。

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!