近日，谷歌发布了最新版机器学习系统，通过识别图像中的内容，配上对应文字，效果达到了历史最佳。谷歌已经在 TensorFlow 上开源了这项成果。自 2014 年以来，谷歌一直致力于这个项目，现在这个算法描述图像的准确率已经高达 93.9% 。因为他们正在使用一个使用一个开始架构的最新的迭代，所以对于谷歌团队来说，有个大问题是该算法是否可以做得比简单识别图像中的对象更多。
要真正解释和描述一张照片，人工智能不仅需要了解图片中是什么，更要了解图像中这些对象有什么相互关系。谷歌的开发人员表示这不只是一个数据的倒推。该算法必须能够自然地理解图像中的对象和它们的用途。
谷歌研究的博客发文说：“令人兴奋的是，在展示全新情境时，我们的模型的确可以产生准确的配文，这显示出系统对图像中目标和背景的理解更深了。”同样重要的是，“它还学会了如何用自然的英语短语表达知识，尽管它只读了人类给的说明字幕，没有在接受其他额外的训练。”
至少从目前来说，相对于视频，机器学习算法能更好地理解静止图像的内容。
来自：cnBeta.COM
引用来自“glogger”的评论
要是我到了你还没到，你等着吧要是你到了我还没到，你等着吧
请配图
引用来自“glogger”的评论
要是我到了你还没到，你等着吧要是你到了我还没到，你等着吧
请配图
引用来自“glogger”的评论
要是我到了你还没到，你等着吧要是你到了我还没到，你等着吧
请配图
引用来自“艾斯_韩”的评论
我比较好奇是的用了多少张类似左边的图训练出了右边的图，准确率有多高。。。。好吧，表示没有好好看文章
引用来自“glogger”的评论
要是我到了你还没到，你等着吧要是你到了我还没到，你等着吧
请配图
要是你到了我还没到，你等着吧
请配图