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取。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。

　　本文来源于网络

　　本文关键词：机器视觉检测设备、机器视觉技术、视觉检测技术、瑞视特