211service.com
Labāka, precīzāka attēlu meklēšana
Pētnieki Kalifornijas Universitātē Sandjego (UCSD) ir izstrādājuši jaunu attēlu meklēšanas metodi, kas, viņuprāt, pārspēj esošās pieejas precizitātes un efektivitātes ziņā. Pētnieku pieeja maina tipisku mašīnmācības metodi, ko izmanto, lai apmācītu datorus atpazīt attēlus, saka Nuno Vaskonseloss, UCSD elektrotehnikas un datoru inženierijas profesors. Rezultāts ir meklētājprogramma, kas automātiski iezīmē attēlus ar tajā esošo objektu nosaukumiem, piemēram, redīsi, lietussargs vai peldētājs. Un tā kā šī pieeja izmanto vārdus, lai iezīmētu un klasificētu attēlu daļas, tā ir piemērota tipiskai atslēgvārdu meklēšanai, ko cilvēki veic tīmeklī, saka Vaskonseloss.
Fotoattēlu atrašana : jauns UCSD izstrādāts algoritms, kas attēliem pievieno vārdu tagus, var palielināt attēlu meklēšanas precizitāti un efektivitāti. Iepriekš redzamajiem attēla elementiem ir piešķirta iespējamība, ka tie pieder noteiktām kategorijām, piemēram, ūdens vai cilvēks.
Pašlaik attēlu meklēšana internetā, izmantojot atslēgvārdus, var būt neveiksmīga. Tas ir tāpēc, ka vairums uz attēliem balstītu meklējumu izmanto metadatus — tekstu, piemēram, faila nosaukumu, datumu vai citu ar attēlu saistītu pamatinformāciju, kas var būt nepilnīga, nederīga atslēgvārdu meklēšanai vai vispār nav pieejama. Datorzinātnieki jau vairāk nekā desmit gadus ir strādājuši pie labākiem veidiem, kā identificēt attēlus un padarīt tos meklējamus, taču panākt, lai mašīnas pārsniedz metadatus un noteiktu, kādi objekti ir attēlā, ir grūti risināma problēma, un lielākā daļa līdz šim paveikto ir tikai bijuši vidēji veiksmīgi.
Lai gan UCSD pētījums pilnībā neatrisina problēmu, tas uzlabo veiktspēju un efektivitāti noteiktai pieejai, saka Vaskonseloss, un tas identificē dažus ierobežojumus, kā cilvēki risināja problēmu.
Pētnieku izmantotā pieeja tiek saukta par uz saturu balstītu, un tā ietver objektu aprakstu attēlā, analizējot tādas pazīmes kā krāsa, faktūra un līnijas. Šos objektus var attēlot ar pazīmju kopām un pēc tam salīdzināt ar kopām, kas iegūtas no citiem attēliem. Funkciju kopas tiek aprakstītas pēc to statistikas, un dators meklē statistiski iespējamās atbilstības.
Multivide
Attēlu meklēšana
Jaunais pētījums ir balstīts uz šo pieeju, taču tas pievieno starpposmu, saka Pedro Moreno, Google pētniecības inženieris, kurš strādāja pie projekta. Moreno skaidro, ka šis jaunais solis nodrošina semantisku etiķeti vai vārdu tagu, kas apraksta objektus attēlos, nevis paļaujas tikai uz skaitļu kopām.
Piemēram, apsveriet iespēju iesniegt suņa attēlu uz zāliena. Attēlos redzamie objekti tiek analizēti un salīdzināti ar rezultātiem, kas iegūti zināmām objektu kategorijām, piemēram, suņiem, kaķiem vai zivīm. Pēc tam dators nodrošina statistisko analīzi, kas nosaka varbūtību, ka attēls atbilst šīm kategorijām. Sistēma var novērtēt attēlu ar 60 procentu varbūtību, ka galvenais objekts ir suns, un ar 20 procentu varbūtību, ka tas ir kaķis vai zivs. Tādējādi dators uzskata, ka, visticamāk, attēlā ir suņa attēls. Galvenā ideja ir attēlot attēlus šajā semantiskajā telpā, saka Moreno. Šķiet, ka tas ievērojami uzlabo veiktspēju.
Pētnieku sistēma ieguva zināšanas, eksponējot tūkstošiem attēlu, kuros bija iekļauti tādi objekti kā kalni, ziedi, cilvēki, ūdens un tīģeri, kā arī objektiem atbilstošās semantiskās atzīmes. Pēc tam pētnieki pārbaudīja, cik labi sistēma darbojas, pakļaujot to jauniem attēliem, kuros bija objekti, kas vēl nebija marķēti. Salīdzinot ar cilvēka sniegto ainas aprakstu, sistēma darbojās labi: tīģera attēls augstā zālē pamudināja sistēmu atrast kaķi, tīģeri, augus, lapas un zāli. Cilvēka veidots paraksts ietvēra kaķi, tīģeri, mežu un zāli. Un, kad pētnieki salīdzināja savas sistēmas tagus ar tipiskākām uz saturu balstītām pieejām, viņi atklāja, ka tas ir par aptuveni 40 procentiem labāks. Citiem vārdiem sakot, tas radīja mazāk vārdu, kas nebija piemērojami attēlam.
Lerijs Zitniks, Microsoft attēlu meklēšanas pētnieks, saka, ka pētījumi virza uz saturu balstītas meklēšanas robežas, lai noskaidrotu, cik labi tā var darboties. Viņi analizē, cik tālu mēs varam iet, pamatojoties uz [objektu attēlu meklēšanu], un tas ir patiešām labi, ja aploksnē tiek nospiests. Viņam arī ir aizdomas, ka šī pieeja varētu labi darboties lielām attēlu kopām, piemēram, tiem, kas ir internetā.
Zitnick piebilst, ka UCSD rezultāti varētu būt lieliski piemēroti noteikta veida vienkāršai objektu meklēšanai attēlos. Tomēr tas nedarbosies citiem meklējumiem, piemēram, lai atšķirtu ASV galvaspilsētas ēku no štata galvaspilsētas ēkas Linkolnā, NE. Vizuālās problēmas ir ļoti sarežģītas, un es nedomāju, ka kāds risinājums visu atrisinās, saka Zitniks.
Tomēr pētnieku pieeja varētu būt noderīga, ja tā būtu apvienota esošajā meklēšanas programmatūrā, saka Čaks Rozenbergs, Google programmatūras inženieris, kurš strādā ar attēlu meklēšanu. Ja šī pieeja tiek iekļauta meklēšanā galddatorā, tā varētu ļaut cilvēkiem meklēt attēlus, pamatojoties uz izskata līdzību. Taču tas ne vienmēr palīdzētu cilvēkiem atrast attēlus, kuru pamatā ir neskaidrāki jēdzieni, piemēram, laime. Piemēram, Rozenbergs saka: es varētu vēlēties laimīgas ģimenes attēlu vakara pastaigā, lai uzliktu kartīti, ko veidoju. Lai dators patiešām atrastu šo attēlu, pamatojoties tikai uz attēla saturu, ir ārpus pašreizējām tehnoloģijām.
Vaskonselosam no UCSD ir aizdomas, ka paies vairāk nekā pieci gadi, līdz datori spēs attēlos identificēt sarežģītākus jēdzienus, piemēram, laimi. Bet tas nenozīmē, ka pašreizējie pētījumi nebūs noderīgi pirms tam, viņš saka. Ir jāgaida, ka [tehnoloģija] ir vairāk kā palīglīdzeklis, nevis kā atbilde.