过去十年，人们前所未有地创造出大量视觉内容——从社交媒体到娱乐和制造业，甚至到那些远离日常生活的绕地球卫星。随着近期认知科技的进步，比如大规模的深层学习和基于语义层面的可视化建模，我们开始加速提高我们洞悉大数据的能力，但是追求更高水平的数据细节，对于科学家而言仍然是一个挑战。
IBM 近日迈出了重要一步，对 Watson 视觉识别图像分类器（ Watson Visual Recognition）的处理能力进行了更新，它能让用户理解图像或者是视频中的内容。这一系统内置数万视觉标签，使其常用词汇量比之前的模式大2.5倍。内置词汇量的扩大，使其识别特殊视觉概念的能力大大提高。
新植入的视觉标签涵盖了很多种类的视觉概念，其中包括物体、人、地点、活动、场景以及其它一些关于细致特点类型的词汇，比如特定的颜色。
每一类词汇的涉及深度都有所增加，也增加了很多特定的视觉描述词汇。这使得新植入的分类器能够对典型图片进行更加精确详细地分类。同时，它也以分类等级为基础，对图片增加了一般性描述——比如知道马是一种动物。
该服务也能通过识别细小差别来对图片进行详细描述。比如图片显示“人们在愉快地就餐”，那么它能够识别出，该场景不只是在餐馆吃饭，而是能根据视觉形象更加详细地描述出这是在啤酒园里。
Hill 表示，视觉识别的发展是 IBM 持续提高 Watson 认知领域能力的重要一步。它是基于世界范围内对视觉理解的不断研发。视觉理解取得了一系列突破性进展，包括利用图像分析改善对皮肤癌患者的治疗，改进图像自动生成字幕技术以及突破人工智能和创造性的限制，制作世界上第一步认知电影预告片等。
如果想了解更多信息，你可以点击这里，获得更多关于视觉识别服务的信息
视觉识别能达到这么精确的水平，是因为它现在能够平均为每个图像至少贴上九个描述性标签——之前平均只有两到三个。
IBM 机器视觉负责人 Matthew Hill 表示：“我们之所以能取得这么大的进步，是因为我们用各种各样的摄影镜头获得的大量图片进行了实验，并且采用了图形处理器（GPUs）的分布式网络。 Watson 将所有这些信息都融合到具有数万标签的卷积神经网络。我们也研发出新的推论方法：利用语义推理优化该服务对图片的描述，使其更加特殊、突出、准确。”
当然，有些企业有自己的自定义数据，他们想为这些数据创造自己的分类器。 Watson 视觉识别也有自定义开发和分类的特点。当需要该服务需要为某一领域学习一套新的图像标签时（像产品组合），开发者可以进行快速开发，通过提供示例图片植入新的自定义模型。然后，应用程序可以利用自定义模型，结合最基本的服务，用一般描述词汇和特定领域的描述词汇对图片进行描述。自定义分类器也可以通过加入新的示例图片来进行升级。
京公网安备 11010802032778号