导读：ImageNet大型视觉识别挑战赛，是一项为那些试图开发视觉机器人的科学家举办的年度比赛。参赛者必须针对那些具有特定图像的物体开发出相应的算法，而这个比赛很好的证明了这一趋势。 到目前为止，无法识别图像的计算机很难对数以百万计的图像进行解析和提...
ImageNet大型视觉识别挑战赛，是一项为那些试图开发视觉机器人的科学家举办的年度比赛。参赛者必须针对那些具有特定图像的物体开发出相应的算法，而这个比赛很好的证明了这一趋势。
到目前为止，无法识别图像的计算机很难对数以百万计的图像进行解析和提龋但自2012年以来，参加这个挑战赛的人数在逐年增加，并且很有可能在近几年超过我们现有的这一部分。
那么，2012年发生了什么改变？一个来自加拿大多伦多大学的团队提出了一个叫做“监督”的算法，可以通过深卷积神经网络将图像划分为1,000个独立的类。
发明于1980年代初的深卷积神经网络，由多层排列的人工神经元组成，它们反映出了人类大脑处理视觉的方法。随着摩尔定律推动着计算机技术越来越强大，这些网络能够更好的模仿神经网络的实际运作方式。
如今的深卷积神经网络更加强大。今年ImageNet挑战赛的赢家是GoogLeNet，来自谷歌的工程师团队发明的算法只有6.65%的错误率，在相同任务中已经接近人类的错误率。
随着视觉网络成为互联网越来越重要的一部分，我们正看到图像学习的使用率在增加。Pinterest收购了VisualGraph，这是一家致力于机器视觉的企业，可以将图片中的衣服和手袋提取并分类。
来自谷歌GoogLeNet项目团队的工程师Christian Szegedy，对于机器视觉的技术应用，可能远远超过我们人类使用眼睛的方式。他写道:
这些技术的进步将是我们更好的理解图像，这些进展也直接的将谷歌的产品，例如照片搜索，图片搜索，YouTube，汽车自动驾驶，以及任何需要图像识别的地方。
