李飛飛：圖像識別使圖片變短句 已達認知心理學水平

10月29日上午消息，2017未來科學大獎頒獎典禮暨未來論壇年會在京舉辦。在計算機科學人工智能研討會上，斯坦福大學終身教授、谷歌云首席科學家李飛飛稱，通過圖像識別技術將圖像“變”短句，這與認知心理學實驗結果“非常接近”。

斯坦福大學終身教授、谷歌云首席科學家李飛飛

李飛飛認為，視覺是人類發(fā)展的重要基石，在過去的幾億年中，不同生物的視覺系統(tǒng)不斷發(fā)展，至今已成為人類大腦中最復雜的系統(tǒng)。在計算機識別領域，視覺系統(tǒng)同樣是重要研究，各國專家在視覺識別方面發(fā)明了眾多技術，近8年時間，視覺識別的錯誤率已降低了10倍。

“在2012年，我們了解到了GPU技術以及深度識別技術，幫助世界發(fā)展”，李飛飛說，人工智能的發(fā)展對視覺研究作用明顯。近期，專家們開始預測，根據(jù)視覺化語言模式，了解不同體積下的關系，甚至去了解不同物體間的位置和動作關系，“這是量化研究，用更豐富的方法來了解世界”。

圖像識別是如何了解物體的呢？

李飛飛舉例稱，一張照片，通過視覺識別技術，后臺可以分析出眾多標簽，通過不同標簽、不同屬性、不同關系來描述物體，而數(shù)據(jù)庫和信息集，可以做到更精準的研究。

“大家都用過百度和谷歌搜索圖片”，李飛飛說，當你輸入一個男人時，圖片搜索結果很豐富，當搜索一只狗時，同樣會獲得豐富結果，但當你輸入“一個坐著的男人牽著一只狗”時，結果卻大相徑庭，甚至很不理想。

李飛飛認為，這主要取決于算法差異。目前絕大多數(shù)算法，在搜索圖像時還是使用物體本身信息，只是簡單了解圖中有何物體。若加入更多屬性，那么結果會更好，“我們在探索新方法，比如一個長句，放到數(shù)據(jù)庫中，與圖像進行對比，通過這種算法可以得到更好更精準的結果”。

目前，圖像識別領域的成果是通過場景圖，可以提供4層的分析結果，從而獲得更多信息，“但這些是不夠的，到目前我們只探索了認知心理學家討論的概念”，李飛飛說道。

她以一名美食家的視頻舉例。視頻中，美食家在做飯時，放入了不同調(diào)料，通過圖像識別技術，這些圖像下方就出現(xiàn)了描述短語。

李飛飛表示，目前可以將圖像變成短句，從而出現(xiàn)更多內(nèi)容，“這與認知心理學的實驗結果是非常接近的”。

生成海報

免責聲明：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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。