機器視覺有望超越人類的極限

　　ImageNet大型視覺識別挑戰賽，是一項為那些試圖開發視覺機器人的科學家舉辦的年度比賽。參賽者必須針對那些具有特定圖像的物體開發出相應的算法，而這個比賽很好的證明了這一趨勢。

　　到目前為止，無法識別圖像的計算機很難對數以百萬計的圖像進行解析和提取。但自2012年以來，參加這個挑戰賽的人數在逐年增加，并且很有可能在近幾年超過我們現有的這一部分。

　　那么，2012年發生了什么改變?一個來自加拿大多倫多大學的團隊提出了一個叫做“監督”的算法，可以通過深卷積神經網絡將圖像劃分為1,000個獨立的類。

　　發明于1980年代初的深卷積神經網絡，由多層排列的人工神經元組成，它們反映出了人類大腦處理視覺的方法。隨著摩爾定律推動著計算機技術越來越強大，這些網絡能夠更好的模仿神經網絡的實際運作方式。

　　如今的深卷積神經網絡更加強大。今年ImageNet挑戰賽的贏家是GoogLeNet，來自谷歌的工程師團隊發明的算法只有6.65%的錯誤率，在相同任務中已經接近人類的錯誤率。

　　隨著視覺網絡成為互聯網越來越重要的一部分，我們正看到圖像學習的使用率在增加。Pinterest收購了VisualGraph，這是一家致力于機器視覺的企業，可以將圖片中的衣服和手袋提取并分類。

　　來自谷歌GoogLeNet項目團隊的工程師ChristianSzegedy，對于機器視覺的技術應用，可能遠遠超過我們人類使用眼睛的方式。他寫道：

　　這些技術的進步將是我們更好的理解圖像，這些進展也直接的將谷歌的產品，例如照片搜索，圖片搜索，YouTube，汽車自動駕駛，以及任何需要圖像識別的地方。