看图说话是近年来新兴的一种智能化场景,是将图文信息和文本信息相结合的场景。实现过程中,用户只需要输入图片,就可以得到一段话作为图片场景的描述。在实际的技术层面上,需要图片的特征结合文本的特征来训练,才能达到看图说话的效果。
业务痛点及需求
目前的图像识别都是基于提取图片内蕴含内容的识别。行业中缺乏自主判断图像要传到的信息的产品。
结构流程
用户输入的是图片,后台系统通过特征提取,深度学习算法(CNN、LSTM)挖掘出图片所描述的行为,将图片行为标记成一段话印到图片上返回。
优势
大规模数据训练能力
阿里云图像识别采用先进的深度学习算法,利用GPU架构进行训练,在算法的成熟度和识别的精度上都具有一定优势。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。