Сотрудники Массачусетского технологического института разрабатывают принципиально новую технологию каталогизации и возможно машинного поиска изображений.

По словам доцента Лаборатории информатики и возможно искусственного интеллекта MIT Антонио Торральбы, он и возможно его коллеги пытаются определить минимальное число информации ради каждого графического изображения, которое позволит (машине либо человеку) получить представление об его содержании. Иными словами, слово идёт об по возможности кратком цифровом коде, которым дозволено было бы представить содержимое картинки.

Об полноценном представлении выражать никак не приходится, конечно и возможно мишень состоит в ином: учёные пытаются разработать алгоритм, какой позволит автоматически каталогизировать миллиарды изображений во Всемирной сети исходя из их содержания. Это позволит существенно усовершенствовать автоматический поиск изображений, скажем.

Сейчас поисковые системы используют, в первую очередь, название и возможно заголовки самих изображений (тэг alt), а, поскольку пользователи должны ставить сей тэг вручную каждый однажды, вдали никак не у всех изображений такие заголовки кушать. Помимо того, как будто минимум поисковый робот Google исследует текстовое окружение картинки и возможно ведущие на неё ссылки. Расшифровать непосредственно сущность изображений в отрыве от контекста крупнейшие поисковики пока что никак не в состоянии.

"Мы пытаемся представить изображения в виде весьма короткого кода, - говорит Торральба, - так что в случае у двух изображений такие коды оказываются похожи, то и возможно сами они, скорее всего, имеют промеж собой определённое подобие, скажем, изображают примерно одинаковые объекты примерно в одинаковой конфигурации". Таким образом, в случае одна картинка снабжена описывающим её сущность названием либо тэгом alt, то другие изображения, чьи репрезентные цифровые коды оказываются сходны с кодом первой, по мнению исследователей, будут отображать такие же объекты, что и возможно первая. И возможно в то время термины (названия и возможно понятия), ассоциируемые с первой картинкой, дозволено экстраполировать на другие, непоименованные, изображения.

Дабы выяснить, насколько немного визуальной информации требуется людям, дабы распознать предмет на том либо ином изображении, Торральба и возможно его сотрудники поступательно снижали разрешение одних и возможно тех же картинок, и возможно проверяли, сущность скольких изображений люди могли распознать на каждом этапе.

"Мы можем ососзнать, что изображено на картинках даже в какое время их разрешение весьма немного, поскольку мы многое знаем об самих картинках, - говорит Торральба. - Как будто положение, человеку достаточно, дабы разрешение картинки составляло 32 на 32 точки, дабы распознать её содержание". В свою очередь, миниатюры в поисковике Google имеют размеры 100х100 точек.

Даже недорогие цифровые камеры сегодня производят изображения разрешением в порядочно мегапикселей, по 24 бита данных на каждый пиксель. Но Торральба и возможно его соратники придумали математический аппарат, какой позволяет сократить объём полезных данных, так что каждое картина дозволено представить в виде кода размером в 256-1024 бита, при этом содержимое изображения остаётся хоть бы частично распознаваемым.

В результате, с помощью своей системы кодирования, Торральбе и возможно его коллегам удалось представить 12,9 миллионов изображений, скачанных из интернета, в виде массива объёмом всего лишь только 600 мегабайтов данных (компакт-диск вмещает вплоть до 700, общераспространённые флэш-драйвы - вплоть до 4 гигабайт). По словам исследователей, их система очень неплохо справляется с определением нескольких наиболее распространённых типов объектов - людей, машин, растений и возможно строений. С более "экзотическими" образами она справляется хуже.

По словам Торральбы, его исследования по-прежнему находятся на ранних этапах, и возможно что проблемы с определением нечасто встречающихся объектов, скорее всего, будут оставаться прктически всегда.