過去十年，人們前所未有地創(chuàng)造出大量視覺內容——從社交媒體到娛樂和制造業(yè)，甚至到那些遠離日常生活的繞地球衛(wèi)星。隨著近期認知科技的進步，比如大規(guī)模的深層學習和基于語義層面的可視化建模，我們開始加速提高我們洞悉大數(shù)據(jù)的能力，此前雷鋒網(wǎng)也做過很多報道。但是追求更高水平的數(shù)據(jù)細節(jié)，對于科學家而言仍然是一個挑戰(zhàn)。

雷鋒網(wǎng)消息，IBM 近日邁出了重要一步，對 Watson 視覺識別圖像分類器（ Watson Visual Recognition）的處理能力進行了更新，它能讓用戶理解圖像或者是視頻中的內容。這一系統(tǒng)內置數(shù)萬視覺標簽，使其常用詞匯量比之前的模式大2.5倍。內置詞匯量的擴大，使其識別特殊視覺概念的能力大大提高。

新植入的視覺標簽涵蓋了很多種類的視覺概念，其中包括物體、人、地點、活動、場景以及其它一些關于細致特點類型的詞匯，比如特定的顏色。

每一類詞匯的涉及深度都有所增加，也增加了很多特定的視覺描述詞匯。這使得新植入的分類器能夠對典型圖片進行更加精確詳細地分類。同時，它也以分類等級為基礎，對圖片增加了一般性描述——比如知道馬是一種動物。

該服務也能通過識別細小差別來對圖片進行詳細描述。比如圖片顯示“人們在愉快地就餐”，那么它能夠識別出，該場景不只是在餐館吃飯，而是能根據(jù)視覺形象更加詳細地描述出這是在啤酒園里。比如圖片顯示這是 GAIR 全球人工智能與機器人峰會的會場，機器也能識別出背景圖上的雷鋒網(wǎng) Logo。

視覺識別能達到這么精確的水平，是因為它現(xiàn)在能夠平均為每個圖像至少貼上九個描述性標簽——之前平均只有兩到三個。

IBM 機器視覺負責人 Matthew Hill 表示：“我們之所以能取得這么大的進步，是因為我們用各種各樣的攝影鏡頭獲得的大量圖片進行了實驗，并且采用了圖形處理器（GPUs）的分布式網(wǎng)絡。 Watson 將所有這些信息都融合到具有數(shù)萬標簽的卷積神經網(wǎng)絡。我們也研發(fā)出新的推論方法：利用語義推理優(yōu)化該服務對圖片的描述，使其更加特殊、突出、準確?！?/span>

當然，有些企業(yè)有自己的自定義數(shù)據(jù)，他們想為這些數(shù)據(jù)創(chuàng)造自己的分類器。 Watson 視覺識別也有自定義開發(fā)和分類的特點。當需要該服務需要為某一領域學習一套新的圖像標簽時（像產品組合），開發(fā)者可以進行快速開發(fā)，通過提供示例圖片植入新的自定義模型。然后，應用程序可以利用自定義模型，結合最基本的服務，用一般描述詞匯和特定領域的描述詞匯對圖片進行描述。自定義分類器也可以通過加入新的示例圖片來進行升級。

Hill 表示，視覺識別的發(fā)展是 IBM 持續(xù)提高 Watson 認知領域能力的重要一步。它是基于世界范圍內對視覺理解的不斷研發(fā)。視覺理解取得了一系列突破性進展，包括利用圖像分析改善對皮膚癌患者的治療，改進圖像自動生成字幕技術以及突破人工智能和創(chuàng)造性的限制，制作世界上第一步認知電影預告片等。

如果想了解更多信息，你可以點擊這里，獲得更多關于視覺識別服務的信息。雷鋒網(wǎng)也將對這一研究做后續(xù)關注。

via IBM

【招聘】雷鋒網(wǎng)堅持在人工智能、無人駕駛、VR/AR、Fintech、未來醫(yī)療等領域第一時間提供海外科技動態(tài)與資訊。我們需要若干關注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優(yōu)良的外翻編輯加入。 

簡歷投遞至 wudexin@leiphone.com，工作地 北京。

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