美國(guó)麻省理工學(xué)院(MIT)的一支團(tuán)隊(duì)驚奇的發(fā)現(xiàn),只需要少數(shù)信息的像素就能夠識(shí)別出圖像內(nèi)的目標(biāo)。這個(gè)發(fā)現(xiàn)為在線圖像的自動(dòng)識(shí)別帶來(lái)了巨大的進(jìn)步,終為計(jì)算機(jī)像人類那樣觀察事物提供了基礎(chǔ)。MIT計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室的助教Antonio Torralba和同事試圖找到小量的信息,即從能夠提供內(nèi)容有用表示的圖像中導(dǎo)出短的數(shù)字表示。
導(dǎo)出這樣一種短小的表示將會(huì)是很重要的的一步,它使得對(duì)因特網(wǎng)上百萬(wàn)億副圖像進(jìn)行自動(dòng)分類成為可能,F(xiàn)在,搜索圖像的唯一方法是基于每幅圖片人工鍵入的文本標(biāo)題,而許多圖像都缺乏這樣的信息。自動(dòng)識(shí)別也為人們檢索那些從數(shù)字相機(jī)下載到計(jì)算機(jī)的圖片提供了一種方法,而且不需要手工檢查每個(gè)標(biāo)題。后它將會(huì)引發(fā)真正的機(jī)器視覺(jué),也許某天將會(huì)使機(jī)器人弄懂它們相機(jī)中數(shù)據(jù)的意義,并描繪出它們?cè)谀?nbsp;。
Torralba說(shuō),“我們都在嘗試找到圖像的短代碼,這樣如果兩幅圖像具有相似的(數(shù)字)序列,它們就可能是相似的,即可能由大致相同的目標(biāo),大致相同的結(jié)構(gòu)組成”。如果一個(gè)圖像通過(guò)說(shuō)明文字或標(biāo)題來(lái)識(shí)別,那么其它與數(shù)字代碼匹配的圖像可能顯示相同的目標(biāo)(例如一輛車,一棵樹,一個(gè)人),因此與圖片聯(lián)系在一起的名字會(huì)轉(zhuǎn)移到另一個(gè)。
Torralba說(shuō),利用這種方法識(shí)別圖像,“對(duì)于海量圖像,即使相對(duì)較簡(jiǎn)單的算法也能夠執(zhí)行的很好”。他將在今年6月Alaska舉行的機(jī)器視覺(jué)和模式識(shí)別會(huì)議上公開他的新發(fā)現(xiàn)。這個(gè)工作是和紐約大學(xué)庫(kù)朗研究所的Rob Fergus和耶路撒冷的希伯來(lái)大學(xué)的Yair Weiss合作完成的。
需要識(shí)別目標(biāo)的信息
為了找到人們識(shí)別一副圖像中的目標(biāo)需要的圖像信息有多小,Torralba和他的合作者嘗試將圖像降低到越來(lái)越低的分辨率,然后觀察在每層人們能夠識(shí)別的圖像有多少!拔覀兡軌蜃R(shí)別出圖像內(nèi)有什么,即使分辨率非常低,因?yàn)槲覀冎烙嘘P(guān)圖像的許多東西”,他說(shuō),“你需要識(shí)別大多數(shù)圖像的信息量大約是32比32”。作為對(duì)比,即使Google搜索中顯示的小的縮略圖的典型值是100比100。
即使一部廉價(jià)的數(shù)字相機(jī)產(chǎn)生的圖像也由數(shù)百萬(wàn)像素的數(shù)據(jù)組成,每個(gè)像素一般由24bits的數(shù)據(jù)組成。但Torralba和同事開發(fā)的數(shù)學(xué)系統(tǒng)能夠?qū)⒚糠鶊D片的數(shù)據(jù)簡(jiǎn)化更多,并且證明了,即使圖像被編碼而成的數(shù)字表示包含的數(shù)據(jù)只有256到1024bits時(shí),許多圖像都是可識(shí)別的。
Torralba說(shuō),對(duì)每幅圖像都使用這樣少的數(shù)據(jù),就有可能利用一臺(tái)普通PC,在一秒鐘內(nèi)對(duì)數(shù)據(jù)庫(kù)內(nèi)上百萬(wàn)副圖像搜索相似的圖片。不像其它要求將圖像分解成包含不同目標(biāo)部分的方法,這種方法使用的整幅圖像,因此無(wú)需人工干預(yù)就能簡(jiǎn)單的應(yīng)用到大數(shù)據(jù)集。
舉個(gè)例子,Torralba和同事使用其開發(fā)的編碼系統(tǒng),能夠?qū)⒁蛱鼐W(wǎng)上12900000幅圖像只用600 Mbytes表示,這些數(shù)據(jù)小到足夠匹配當(dāng)前大多數(shù)PC的RAM,也能存儲(chǔ)到記憶棒中。圖像數(shù)據(jù)庫(kù)和軟件使數(shù)據(jù)庫(kù)的搜索可在網(wǎng)上公開獲得。
現(xiàn)在對(duì)于常見種類的圖像,匹配是有效的。Torralba說(shuō),“并不是創(chuàng)建所有的圖像都同等”。圖像越復(fù)雜或越獨(dú)特,就越不太可能正確的匹配。但對(duì)于圖片中普通的目標(biāo)來(lái)說(shuō),結(jié)果已經(jīng)相當(dāng)令人矚目了。