Google的最新研究论文概述了它如何使用AI读取自然图像（特别是街景照片）中的数字。
Google有一个庞大的数据库，其中包含城市（某些城市并非如此）环境的照片。除了其好奇心之外，图像中还锁定了许多数据，显然让AI代理查看整个语料库并获取有用的信息是一个好主意。
在具有无监督功能的自然图像中读取数字中，学习Google /斯坦福小组介绍了他们如何着手从街景视图图像中提取门牌号。
虽然已经适当地很好地解决了特定的OCR问题，但读取普通图像中的偶数数字仍然很困难且尚未解决。如果可以做到，那么这将使Google可以创建更加准确的地图，从而提供导航服务。还建议，通过了解照片中的门牌号，可以改进地理编码以提供目标目的地的准确视图-即，不仅是您要去往的一般视图，而且还可以看到您所看到的房子的视图正在尝试前往。
现有技术往往基于手工构建的特征，这些特征已微调到可以找到文本的上下文。在更一般的设置中，这些方法不太可能也行得通。所采用的方法是首先定位图像中门牌可能位于的位置。接下来，对检测到的区域进行数字识别算法。
为了测试他们的方法，他们首先创建了一个数据子集，该数据子集由600,000张带有标记数字的图像组成，这些图像是借助Amazon Mechanical Turk构建的。
他们首先尝试了OCR工作中通常使用的手工功能，然后发现这种方法效果不佳。接下来，他们尝试了特征学习算法-堆叠式稀疏自动编码器和基于K均值的系统。手工制作的特征实现了63％和85％的准确性，而两个学习特征分类器的准确性约为90％-应该与98％的人工精度进行比较。
事实证明，大型训练集对于实现良好的性能非常重要，这再次强化了这样的观念，即由于无法使用大型训练集，过去使用的许多AI技术都可能表现不佳。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。