CCR2017在沪召开 搜狗COO茹立云：AI推动五项核心图像技术取得突破

10月12-15日，中华医学会第24次全国放射学学术大会（CCR 2017）在上海世博中心拉开帷幕，聚集了国内外一流的专家学者及业内人士共6000余人，集中展示和交流了中国影像医学的历史传承与跨越式发展。搜狗公司COO茹立云受邀出席此次大会，以“人工智能在图像领域的进展”为题，分享了人工智能推动图像技术取得的五项重大突破，并指出人工智能技术在医疗领域应用前景广阔，未来将能发挥更大作用。

（搜狗公司COO茹立云出席CCR2017并发表主题演讲）

随着移动互联网及社交网络的发展，图片成为主要的信息载体，在这种情况下，计算机的图像识别技术就显得尤为重要。茹立云介绍，21世纪初，图像的检索基本上是由人工去定义特征，在机器上做简单的匹配。人工智能技术的发展，让机器对图像中内容的理解能力实现了全面提升。具体而言，面对一张图片时，机器会最先判断“图像里有什么”，精准识别图像中的内容；其次判断“图像中物体在哪儿”，以精准定位物体的位置；最后会对“图像内容表达什么”进行智能语义分析。

“机器对图像理解能力的提升，则直接推动了OCR文字识别、识图搜索、人脸识别、图文翻译、图像生成这五大图像技术的突破。其中，前三项技术主要用于解决‘图像里有什么’和‘图像中物体在哪儿’的问题，后两项则对应解决‘图像内容表达什么’的问题。”茹立云指出，并一一介绍了这五大技术突破的具体发展情况。

在文字识别方面，其目标是检测并识别图像中的文字。“传统文字检测方法步骤繁琐、人工设计流程多，且无法应对复杂背景和低质量文字。现有技术体现了深度学习模型的端到端的特点，减少了中间环节，从而能降低识别错误率。图片中的文字无论是印刷体、手写体或者夹杂在复杂背景中，都能被机器准确读出来。”茹立云还以搜狗翻译APP最新推出的“菜单翻译”功能为例，展示了文字识别技术的具体应用。这项功能基于搜狗领先的图像识别技术，对于用户从任意角度扫描的中英文菜单，均可准确识别，并在原菜单的对应位置标识出相应的翻译结果。

（图：“菜单翻译”功能翻译前后对比截图）

识图搜索则旨在解决图像分类、查找相同图、相似图等问题。茹立云表示，当前的识图搜索技术，以深度学习算法替代了人工设计，有效提升了相同图和相似图搜索结果的质量。“如搜狗图片的拍照购物功能，用户只需将喜欢的衣服拍照上传，或者从手机里上传相关照片，系统即可对上传照片进行快速处理，并与数据库中上亿张商品图片进行高速比对，为用户找到相同和相近的商品。再如搜狗图片的‘识狗’、‘识花’功能，用户只需上传相关照片，即可直接识别出狗或者花的种类。”茹立云举例说。

人脸识别方面，他指出，在深度学习以及大数据的驱动下，人工智能在人脸识别的某些方面已远超人类的识别能力。并且，人脸识别的实际应用场景也已日趋成熟，已经越来越多地应用到了机场安检、人流监控、疑犯查找、身份认证等场景下。例如商店的监控器，就可以利用人脸识别技术，对经常出入店铺的熟客进行针对性营销，将能更好提升销量。

图文翻译技术，其目的是使机器准确理解图像背后的语义。“传统的图像识别技术，只能粗略识别出图像中的基本内容，如图像中有一个人。而人工智能支持下的图文翻译技术，不仅能告诉你图片中有一个人，还能分辨出这个人的性别、他手上拿的东西、他周围有什么物体等更细致的内容。”茹立云说，这项技术的突破，也能给人带来极大便利，例如盲人朋友以前只能通过声音或者文字转化成的声音来获取信息，现在还能把图片信息转化成的声音，让他更好了解视觉化的世界。

而人工智能技术发展到更高阶段，则是图像生成技术，目前这一技术也已被广泛应用到了人脸合成、图像修复、风格迁移等方面。“例如图像修复方面，AI能通过深度学习，将带马赛克或者画面遮挡的图片修复成完整图片，再如黑白照片上色变成彩色照片，等等。”茹立云举例说。

回到大会核心话题——影像医学领域，茹立云指出，未来图像AI在医疗领域的应用前景将会非常广阔，主要包括三方面：首先是辅助诊断，人工智能可以学习更多医学影像方面的数据，进一步辅助医生诊断决策；其次是疗效评估，对于肿瘤等重大疾病，可依据AI大数据分析，在治疗前判断治疗方案对患者的疗效；再次是预后预测，科学预测患者生存期，提取患者特征，建立模型，定量分析，给出预后预测。