Hund eller ko?

Forskare från det amerikanska universitetet UCLA i Kalifornien har hittat ett sätt som gör datorer bättre på att känna igen saker på bild.

En industrirobot behöver känna igen olika verktyg, en bevakningskamera behöver skilja på människor och djur. Behovet är stort.

– Vi tror att vi är först med att blanda in ett yttre semantiskt sammanhang i igenkänningen, säger professor Serge Belongie i ett pressmeddelande.

Först när det gäller datorer, alltså. Magnus, Brasse och Eva använde samma metod på 1970-talet i tv-programmet Fem myror är fler än fyra elefanter.

Först delas bilden upp i segment. Hör palmens stam ihop med marken eller med bladen?

Sedan gör datorn ett antal gissningar på vad varje segment kan vara. Myra eller kokosnöt?

Till sist väljer datorn den kombination av gissningar som ger det rimligaste sammanhanget. Det är förmodligen en kokosnöt, eftersom där också finns en palm.

För att veta vad som hör ihop lät Brasse Magnus och Eva gissa. Kokosnöt, myra och elefant – en ska bort. Myran? Fel, fel, fel!

Forskarna låter det lite okända programmet Google Sets göra samma sak. Programmet har funnits sedan 2002. Mata in ”elephant” så spottar Google fram en lista på ett trettiotal andra djur.

Forskarna ökade chanserna att gissa rätt genom att använda sig av flera alternativa segmenteringar. Kokosnöten kanske är en del av palmen?

Då ökar också antalet möjliga kombinationer som datorn då måste ta hänsyn till. Det kompenseras av att det är varje segment som identifieras, i stället för att som tidigare räkna på varje pixel, varje punkt i bilden.

Nästa steg blir att ta hänsyn till absoluta och realtiva geometriska relationer i bilden.

Är föremålet över eller under, utanpå eller inuti? Är det en myra eller en kokosnöt? Förmodligen är det en myra som sitter ovanpå elefanten. Förmodligen är det en kokosnöt som sitter inuti palmen.