IT之家（www.ithome.com）：搜圖絕技：谷歌能“認(rèn)出”照片上的東西

如果你突然想在自己保存的無數(shù)照片里找到其中的某一張，一般情況下會(huì)怎么做？你可能知道這張照片大概是什么樣子，照片中有什么元素，但就是想不起來放到哪個(gè)文件夾里了。而且要是照片數(shù)量太多的話，想找到那張圖恐怕真得費(fèi)一會(huì)兒功夫。

要是能通過搜索照片中某個(gè)元素的關(guān)鍵詞來找到它就好了。

實(shí)際上從去年開始，像Google+ Photos的搜索中就已經(jīng)開始使用這種簡(jiǎn)單的物體識(shí)別技術(shù)了，后來Google Drive的搜索引擎也引入了類似的功能。通過Google的一種自動(dòng)注解技術(shù)，用戶可以通過照片中某些元素的單詞描述來搜索到對(duì)應(yīng)的圖片。

雖然像人臉識(shí)別這樣的圖像識(shí)別技術(shù)已經(jīng)有了很多應(yīng)用，但要識(shí)別出自然界中各種各樣的物體就比人臉識(shí)別困難多了，尤其是當(dāng)這些物體都還在一張圖片中。在今年的ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)賽中，Google的一支團(tuán)隊(duì)就使用了與之相關(guān)的技術(shù)，借此我們也可以看看一些與之相關(guān)的細(xì)節(jié)。具體來說，一張圖片中往往存在好幾種物體，參賽者借助一些技術(shù)則可以在同一張圖片中識(shí)別出不同物體的類型，比如一張果盤圖片里放著的幾個(gè)橘子和香蕉、一個(gè)房間圖片里的電視和貓咪，等等。在這些照片中，Google可以通過技術(shù)手段識(shí)別出圖像中的物體，并讓用戶可以搜索它們。

也許你會(huì)好奇Google是如何做到的，其實(shí)想讓用戶可以搜索到，你當(dāng)然需要標(biāo)記這些物體，但在標(biāo)記它們之前，你還需要讓機(jī)器知道這是什么才可以標(biāo)記。為了讓機(jī)器知道圖片中的物體是什么，Google甚至專門開發(fā)的一個(gè)名為DistBelief的基礎(chǔ)框架。利用它，Google可以調(diào)用成千上萬的計(jì)算機(jī)集群，使用數(shù)十億的參量來做大規(guī)模的深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練，進(jìn)而也就能比對(duì)大量圖片中的相似物體，為它們打上標(biāo)簽。如果這個(gè)系統(tǒng)再接受到相似物體的圖像信息，系統(tǒng)就會(huì)檢測(cè)到它與此前被打上標(biāo)簽的那些物體是相似的。在分布式計(jì)算和快速迭代的機(jī)制下，Google可以把訓(xùn)練深度網(wǎng)絡(luò)的規(guī)模提升到以前學(xué)術(shù)報(bào)道中理論值的30倍以上，這就讓它可以主動(dòng)“認(rèn)識(shí)”某個(gè)物體——就像人腦識(shí)別某個(gè)物體那樣工作。在這種“主動(dòng)學(xué)習(xí)”的基礎(chǔ)上，就可以達(dá)到輸入一個(gè)關(guān)鍵詞、機(jī)器就能識(shí)別出圖像中物體的目的。

在未來，在Google對(duì)這項(xiàng)技術(shù)改善之后，我們還有可能看到它運(yùn)用在Google圖像搜索、YouTube、自動(dòng)駕駛汽車等其他應(yīng)用場(chǎng)景中?？傊?，它可以被運(yùn)用在任何需要“理解”照片的地方。