阿里AI打破视觉对话识别纪录，机器看图说话能力比肩人类-低调大师

阿里AI打破视觉对话识别纪录，机器看图说话能力比肩人类

2019-06-26 710

近日，在第二届视觉对话竞赛Visual Dialogue Challenge中，阿里AI击败了微软、首尔大学等十支参赛队伍，获得冠军。

（阿里AI在视觉对话竞赛中得冠）

视觉对话竞赛由美国佐治亚理工大学、Facebook人工智能实验室（FAIR）等机构联合全球视觉技术领域顶级学术会议CVPR发起，是目前视觉对话领域最权威的竞赛之一。

该竞赛要求参赛的AI在看完近万张图片后，回答出人类对于任一图片任一内容的提问。竞赛结果显示，阿里AI以74.57%的准确率获得冠军，将上一届比赛的纪录提高了16.82%。在相同的数据集中，人类的准确率仅为64.27%。

传统的视觉AI主要针对目标的检测和识别，例如识别出图片是否是一只猫，但对复杂场景中目标之间的逻辑关系理解、推理能力较弱，无法回答“这只猫旁边的男生穿了什么颜色的衣服”等复杂问题，也难以将图片

微信关注我们

原文链接：https://yq.aliyun.com/articles/706614

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

语音识别（ASR）基础介绍第二篇——万金油特征MFCC

上一章提到了整个发声与拾音及存储的原理。但是在了解ASR的过程中，发现基本上遇到的资料都避不开MFCC特征。整个ASR的处理流程大致可以分为下图：左侧是经典的处理流程，右侧是近期流行的流程。发生的变化是，将语言模型以下的部分变成端到端的了。我们将语言模型以下的部分统一看成是声学模型就好。而MFCC主要用在左侧的处理流程中，即“特征处理”的输出结果。虽然可以看成，端到端的声学模型出来后，我们已经不需要MFCC了，直接输入音频即可。不过这并不意味着MFCC就没用了。在“根据发音确认发音人身份”等许多领域，MFCC还是个很短平快切粗暴有效的特征。由于MFCC的重要性，和asr相关专业的人士交流时，最好是能提前具备此共识。 MFCC 细节介绍： MFCC给人的感觉像是孟德尔遗传定律。在人们还并不确定人耳是如何解析声音的时候，假设了这是一个傅里叶变换后的频域处理过程。然后，最近的医学研究成果表明，人耳也确实大致是这么工作的，对应的器官名字叫耳蜗，或蜗牛。 MFCC虽然名字就4个字母，但其实是集成了很多很多的思考和假设在里面。了解过之后，你就不会再后悔大学数学的卷积操作毛用都没有...

2019-06-25

1195

雷锋网 AI 科技评论按：今天，谷歌的 Dropout 专利生效这一消息突然在圈内传开，而生效日期就在 6 月 25 日，有效期 15 年。三年前，谷歌就给 Dropout 申请了专利，但因为此举引发了业界众多异议，最最后无疾而终。只是令人没想到时隔三年，这一专利申请竟然生效了。雷锋网 AI 科技评论将这一事件整理报道如下。何为 Dropout？但凡是接触过机器学习的人士，一定知道 Dropout。它是在进行深度学习、训练神经网络时，普遍会用到的方法，也是调参的一种手段，可以有效防止过拟合。由 Hinton 在 2012 年的论文《Improving neural networks by preventing co-adaptation of feature detectors》中提出。而在随后 Alex 和 Hinton 的论文《ImageNet Classification with Deep Convolutional Neural Networks》中，则用 Dropout 算法来防止过拟合。论文中的 AlexNet 网络模型瞬间引爆神经网络应用热潮，并赢得了 2012 ...

2019-06-27

532

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。