香港城市大學
研发AI、机器学习技术　看图说句　造福人类

一张图像胜过千言万语，当中可以包含许多信息，现今科技有否解读图中信息的能力呢？香港城市大学电脑科学系副教授陈万师与学生研究以人工智能「看图说话」，让电脑分析图片，总结出文字描述，不但能帮助视障人士阅读图片，也提升利用句子搜寻所需照片的精准度。

只需数秒　从照片解读出文字描述
　　陈万师博士与学生花了约半年时间研究出操作方法简单的程式，技术建基于深度学习（Deep Learning），以人工神经网路为架构，对资料进行表征学习的算法。

　　陈博士指系统模仿人类看图模式，先让电脑学会像眼睛一样阅读图像的各部分，抽取当中概念，然后处理语言，创建句子，再连结视觉和语言部分，组成完整的文字描述。「例如系统在照片中分辨到三个重点概念，蓝色、车和街道，然后得出『一辆蓝色的车停泊在街道』的描述。」

陈万师博士研发的人工智能，分析图片后会产出文字描述，并朝更精准、更多样性等方向进阶研究。

辅助阅读图像 造福视障人士
　　视障人士缺乏接收图像的媒介，程式令他们可以利用电脑分析取得描述，以不同方式感知世界。陈博士分享，程式不但便利视障人士，亦有利于搜寻图像。「以往如果我们想寻找图像，会在搜寻器输入关键字，但这些字词只是概念，准确度不及句子高。」透过AI 技术，我们可以用完整句子描述所需照片，例如输入「一只老虎在大树下休息」，就可以精准地于海量的照片中找到包含所需元素的图像。

增加描述多样性　更贴合人类所需
　　目前系统虽然简单易用，但仍有改善空间。陈万师博士举例，如果向5 个人展示同一张图片，基于每人知识水平及见解不同，所以会作出不一样的描述。「我给你一张篮球员比赛中的照片，如果你对篮球不熟悉，可能会形容为球员在进行球赛，但如果你熟悉篮球球星，就会知道其中一人是米高佐敦。」因此，他与学生希望优化系统，使其变得更人性化，增加图片描述多样性，贴合不同用家需要。
　　提及未来发展，陈万师博士指利用AI 把图像转化成完整文句的技术，现时主要应用在教育范畴，将来希望能发展成完整的搜索引擎，推至普及层面。