谷歌新研究项目曝光：用文字自动说明复杂办公室租赁平台图像

图像识别技术在过去短短几年内取得了很大进步，进步速度可能超过了其他任何一个办公室租赁平台领域，而谷歌已经让最终用户体验到了这种进步。如果你想了解具体取得了多大的进步，只要在Google Photos上面搜索你自己的照片即可。但是，识别物体(以及基本的场景)却还只是迈出了第一步。

今年9月份，谷歌对外演示了它的新技术，这项技术利用当前深受欢迎的深度学习方法，不仅可以识别办公室租赁平台单一物体的图像，而且还能对一张照片中的不同物体进行分类(例如，果篮中不同类型的水果)。

一旦你能做到这一点，你还可以用自然语言对图像做出完整描述，这正是谷歌当前正在做的事情。根据谷歌研究院(Google Research)的一份最新文件，该公司现已开发了一套具有“自学”能力的新系统，可以极为精确地描述像下面这样的图像。

正如谷歌研究人员所指出的，解决这一问题的常见方法是，首先运用计算机视觉算法进行计算，然后用自然语言处理方法来进行描述。这听上去合情合理，但谷歌研究人员却认为，更好的解决办法是，“将最新的计算机视觉和语言模式整合到一个联合训练的系统中，然后提取照片，直接生成人类读得懂的单词序列进行描述。”谷歌表示，在将两个递归神经网办公室租赁平台络整合以后，这种方法在机器翻译中效果非常好。这种自动描述系统(captioning system)的工作机制略有不同，但基本上都采用相同的方法。

这并不意味着谷歌的方法是完美的。根据数据集的不同，谷歌电脑字幕系统在BLEU测试(这种测试手段往往被用于对机器翻译办公室租赁平台质量和人类翻译质量进行比较)中的得分一般介于27分到59分之间。人类的得分往往在69分左右。尽管如此，相比其他得分不超过25分的方法，谷歌的自动描述系统仍然向前迈出了一大步。