开发者社区> 问答> 正文

阿里云ET看图说话


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。

展开
收起
nicenelly 2017-10-26 11:08:49 1926 0
0 条回答
写回答
取消 提交回答
问答排行榜
最热
最新

相关电子书

更多
数据如何让运动更好玩 立即下载
数据如何让运动更好玩有趣 立即下载
重新定义儿童饮水习惯 立即下载