研究人员对计算机视频识别取得进展

计算机可以在图像中识别您，但他们可以看到视频或真实世界的对象，并究竟介绍了什么？

研究人员正试图使计算机视频识别成为现实，并且他们正在使用一些图像识别技术来实现这一目标。

谷歌的研究人员正在进行视频识别，但谷歌大脑团队的Tensorflow工程总监Rajat Monga也有挑战，在本周Quora的问答答案期间表示。

视频识别的好处是巨大的。例如，计算机将能够识别一个人的活动，事件或位置。视频识别还将使自动驾驶汽车更加可行。

视频识别有可能向机器人提供数字眼，然后可以像洗衣一样常规琐事。

图像识别现在是常见的，但是视频识别涉及分析序列中串联聚集在一起的相关图像串。视频识别类似于人类愿景，我们看到相关图像的流，立即识别对象并识别我们周围的内容。

由于驾驶图像识别的深度学习模型的进步，视频识别的许多收益已经到来。

“通过彼此相关的每个视频中的帧序列，它提供了真实世界的更丰富的透视，允许模型创建世界的3D视图，而不必需要立体视觉，”曼引导谷歌的一个开源机器学习软件堆栈的Tensorflow。

在深度学习的背景下，与图像识别有关的挑战。计算机可以识别图像中的一些物品，但不是一切。当谈到对机器人的人类视觉的目标时，这是一个缺点。

通过视频识别真正的人类愿景是“遥远的，”Monga说。

需要培训计算机以识别深度学习模型中的图像，并且有大量存储库可用于在图片中交叉引用对象。大型数据集，如想象的大约1400万图像，有助于提高视力识别。但是，Monga说，但仍然需要更大的数据集。

谷歌的研究人员正在努力提高视频识别。该公司的研究人员正在研究深度学习如何通过预测视频帮助机器人。

谷歌正在制作AI云运营的一大部分，并且正在使用Google的机器学习，街道映射和其他服务。在谷歌之外，深度学习也被自驾车安全地使用，安全地巡航街道。公司还使用AI来摆脱代码中的错误。

Monga说，深入学习 - 培训和推理 - 均越来越好，越来越越来越好，但仍然有足够的改进空间。

更快的硬件和定制芯片的兴起，如谷歌的机器学习张量加工单元所帮助的深入学习。GPU的低级计算今天正在推动最深入的学习模型，但最快的硬件将使学习和推理更快。

“即使我们获得定制筹码，这仍然是一个挑战，即将持续的需求”对于更多计算，Monga说。

还需要更大的数据集和更多算法，它提供了底层公式来进行深度学习操作。

Monga说，培训培训深度学习模型的神经网络，培训深度学习模型，“很难没有足够的数据集。”

机器学习快速增长，许多公司正在采用谷歌的工具。像NVIDIA和MOVIDIOS这样的公司开发了Google“S Tensorflow的变体（由英特尔正在收购）服务器和嵌入式设备。

本周谷歌，亚马逊，Facebook，微软和IBM还在AI组织上形成了伙伴关系，以建立最佳AI实践。资助者Elon Musk，Peter Thiel，Sam Altman和Jessica Livingston承诺了10亿美元的快速发展AI项目，这成为IT行业AI活动的神经中心。