Вчера споменах как Google успяват да генерират текстови описания на естествен език по дадена картинка. Ето статията:
http://arxiv.org/pdf/1411.4555.pdf?
Оказа се, че в Станфорд постигат сходни резултати:
http://cs.stanford.edu/people/karpathy/deepimagesent/devisagen.pdf
И двата екипа ползват Convolutional Neural Networks за да извлекат някаква информация от картинките, след което ползват резултата за вход на Recurrent Neural Networks, които се грижат за генерацията на смислен текст.
Дори самите статии да ви се струват твърде теоретични, разгледайте картинките и автоматично генерираните към тях описания, наистина са впечатляващо точни :)