美國麻省理工學院（MIT）的一支團隊驚奇的發(fā)現(xiàn)，只需要少數(shù)信息的像素就能夠識別出圖像內(nèi)的目標。這個發(fā)現(xiàn)為在線圖像的自動識別帶來了巨大的進步，最終為計算機像人類那樣觀察事物提供了基礎。MIT計算機科學與人工智能實驗室的助教Antonio Torralba和同事試圖找到最小量的信息，即從能夠提供內(nèi)容有用表示的圖像中導出最短的數(shù)字表示。 導出這樣一種短小的表示將會是很重要的的一步，它使得對因特網(wǎng)上百萬億副圖像進行自動分類成為可能?，F(xiàn)在，搜索圖像的唯一方法是基于每幅圖片人工鍵入的文本標題，而許多圖像都缺乏這樣的信息。自動識別也為人們檢索那些從數(shù)字相機下載到計算機的圖片提供了一種方法，而且不需要手工檢查每個標題。最后它將會引發(fā)真正的機器視覺，也許某天將會使機器人弄懂它們相機中數(shù)據(jù)的意義，并描繪出它們在哪 。 Torralba說，“我們都在嘗試找到圖像的最短代碼，這樣如果兩幅圖像具有相似的（數(shù)字）序列，它們就可能是相似的，即可能由大致相同的目標，大致相同的結構組成”。如果一個圖像通過說明文字或標題來識別，那么其它與數(shù)字代碼匹配的圖像可能顯示相同的目標（例如一輛車，一棵樹，一個人），因此與圖片聯(lián)系在一起的名字會轉移到另一個。 Torralba說，利用這種方法識別圖像，“對于海量圖像，即使相對較簡單的算法也能夠執(zhí)行的很好”。他將在今年6月Alaska舉行的機器視覺和模式識別會議上公開他的最新發(fā)現(xiàn)。這個工作是和紐約大學庫朗研究所的Rob Fergus和耶路撒冷的希伯來大學的Yair Weiss合作完成的。 需要識別目標的信息 為了找到人們識別一副圖像中的目標需要的圖像信息有多小，Torralba和他的合作者嘗試將圖像降低到越來越低的分辨率，然后觀察在每層人們能夠識別的圖像有多少?！拔覀兡軌蜃R別出圖像內(nèi)有什么，即使分辨率非常低，因為我們知道有關圖像的許多東西”，他說，“你需要識別大多數(shù)圖像的信息量大約是32比32”。作為對比，即使Google搜索中顯示的小的縮略圖的典型值是100比100。 即使一部廉價的數(shù)字相機產(chǎn)生的圖像也由數(shù)百萬像素的數(shù)據(jù)組成，每個像素一般由24bits的數(shù)據(jù)組成。但Torralba和同事開發(fā)的數(shù)學系統(tǒng)能夠將每幅圖片的數(shù)據(jù)簡化更多，并且證明了，即使圖像被編碼而成的數(shù)字表示包含的數(shù)據(jù)只有256到1024bits時，許多圖像都是可識別的。 Torralba說，對每幅圖像都使用這樣少的數(shù)據(jù)，就有可能利用一臺普通PC，在一秒鐘內(nèi)對數(shù)據(jù)庫內(nèi)上百萬副圖像搜索相似的圖片。不像其它要求將圖像分解成包含不同目標部分的方法，這種方法使用的整幅圖像，因此無需人工干預就能簡單的應用到大數(shù)據(jù)集。 舉個例子，Torralba和同事使用其開發(fā)的編碼系統(tǒng)，能夠將因特網(wǎng)上12900000幅圖像只用600 Mbytes表示，這些數(shù)據(jù)小到足夠匹配當前大多數(shù)PC的RAM，也能存儲到記憶棒中。圖像數(shù)據(jù)庫和軟件使數(shù)據(jù)庫的搜索可在網(wǎng)上公開獲得。 現(xiàn)在對于最常見種類的圖像，匹配是有效的。Torralba說，“并不是創(chuàng)建所有的圖像都同等”。圖像越復雜或越獨特，就越不太可能正確的匹配。但對于圖片中最普通的目標來說，結果已經(jīng)相當令人矚目了。