最近，台湾清华大学电子工程系教授林嘉文和孙敏宣布，他们与微软公司亚洲研究院陶玫博士合作开发，利用计算机视觉技术在视频内容上加上标签和标题。据报道，陶玫博士参加了微软公司COCO的研究开发。微软公司COCO是新的图像识别、分类、说明的数据集，为了识别多个物体而设计。业内熟悉的是微软公司的COCO图像说明大会，参加者利用自律开发的图像识别系统，融合了微软公司的COCO。

结果，根据系统说明的准确性、详细性和与人类说明的相似性进行评价。微软公司回答说，台湾清华大学的两位教授利用微软公司的COCO数据集，利用计算机视觉技术确认了视频的主要内容，并加入了标题。微软公司在博文中认为，孙教授根据深刻的自学自动寻找视频中的相似时刻和最重要的内容，制作视频标题分解的新方法，根据视频中最重要的内容制作正确有趣的标题。

与此同时，林教授开发了自动在视频中检测脸部的方法，为共享这些视频的用户提供了更丰富的总结和建议。通过合作，他们的算法可以检测和描述最重要的内容，同时分解标签和标题。孙敏教授和他的学生通过参加VideoToTextchallenge的大会来提高这个系统。据新闻报道，他们将在欧洲计算机视觉会议(ECCV)展示最近的研究成果。

描述和描述视频/图片画面中的内容，不仅要了解图片中的内容，还要了解图片中的对象有什么联系。利用算法识别视频内容，生产标题和标签相对可玩性和计算量相当大，识别图像内容，分解标签和画面叙述文字越来越成熟。

上个月谷歌发表了最近的机械学习系统，通过识别图像的内容，加上对应的文字，现在的算法叙述图像的精度已经下降了约93.9%。由于COCO，微软公司在图像描述中也有一定的积累，其中广泛应用于OneDrive中的Blogger分类功能。该功能可以有效地分类和展示用户的照片，并从照片中识别文字。当然，最重要的是分析图像的特征，展开自动标记。

除了微软公司、谷歌之外，Facebook今年也发布了类似的系统，这个系统可以理解照片中再次发生的事情，将内容转换成自然语言进行说明。Facebook展示了一张独自玩游戏滑板的照片。算法将照片内容分解为滑板、男性、独特的手、他的滑板，指出可能再次发生的是做，玩游戏滑板，做。

用户可以使用VPN翻墙到iPhone，Facebook后使用，同时也可以使用iPhone自带的voiceover。无论是图像记述还是视频记述，在消费水平上，不仅有助于用户自动管理Blogger(视频集)。此外，该技术还可以帮助盲人用户用语音了解照片和视频中的内容。读者:亲测:让盲人看照片。

我们离这个白科学技术有多近谷歌发表了最新版的AI系统，图像配文的精度低约93.9%的原创文章，允许禁止发表。下一篇文章发表了注意事项。

本文来源：亚博yabo888网页登录-www.cdkerun.cn