Новото око на Microsoft автоматично разпознава картинки
- Категория: Преводи
- Публикувана на 10.11 2020
Новото око на Microsoft автоматично разпознава картинки
Новото око на Microsoft има за цел автоматично да надписва изображения в документи и имейли, така че специализираният говорещ софтуер да може да прочита информацията.
Изследователи от Microsoft разясниха своя машинен обучителен модел в статия за preprint repository arXiv.
Моделът използва софтуера (VIVO), включващ голям масив сдвоени данни от маркери на изображения, за да бъде съставен визуален речник.
На разположение е и втори набор от данни на коректно надписани изображения, което помага на AI да научи как най-добре да опише снимките.
„В идеалния случай всеки би включил алтернативен текст за всички изображения в документи, в мрежата, в социалните медии - тъй като това дава възможност на незрящи потребители да имат достъп до съдържанието и да участват в дискусии. Но, уви, хората не го правят ”, споделя Сакиб Шайк, мениджър на софтуерните инженери в групата на платформата AI на Microsoft.
Като цяло изследователите очакват AI да осигури двойно по-висока производителност, в сравнение със съществуващата система за надписи на Microsoft.
За да направят максимално добро представяне на новото си око изследователите го включиха в предизвикателството „nocaps“. Що се отнася до отзивите "Окото на Microsoft"вече е на първо място в категорията си.
„Предизвикателството nocaps е да опишеш в обучителните данни съвсем нови обекти, които не си виждал преди", коментира Лиджуан Уанг, главен научен ръководител в изследователската лаборатория на Microsoft.
Разработчиците, желаещи да вградят в приложенията си Microsoft’s auto-captioning AI на Microsoft, вече могат да го направят, тъй като е наличен в пакета Computer Vision на Azure Cognitive Services.
Приложението Microsoft’s impressive SeeingAI на Microsoft което описва околната среда в помощ на незрящите посредством компютърно зрение ще бъде актуализирано с функции, използващи новото око.
„Надписването на изображения е една от основните способности на компютърното зрение и внедряването й може да бъде предпоставка за предлагането на широк спектър от услуги“, каза Xuedong Huang, главен технически директор на Microsoft в Azure AI Cognitive Services.
„Ние възприемаме успеха с AI като възможност за обслужване на по-широк кръг клиенти“, добавя Хуанг. „Това не е само изследователски пробив. Краткото време, необходимо на Azure за преминаване към цикъл на реално прилагане също е постижение. "
Очаква се подобрената функция за автоматично надписване да бъде налична в Outlook, Word и PowerPoint по-късно тази година.
Превод:
Александър Велков
Дата на публикация:
19 октомври 2020 г.
Източник:
