谷歌在機器視覺學(xué)習(xí)方面積累大量的數(shù)據(jù)以及技術(shù)，最近，他們推出了一個新的視頻數(shù)據(jù)庫，名稱為“原子視覺行為(AVA)“，該數(shù)據(jù)可由一個或多個標(biāo)簽組成，能夠推動計算機視覺識別影像中行為的研究。

說到圖像識別，其實谷歌的照片應(yīng)用就可以自動識別出寵物圖像，很多公司也在圖片識別上作出很多優(yōu)化嘗試，比如Shutterstock上周公布了一項全新的測試功能，用戶可以根據(jù)自己的布局來搜索股票照片。

相較于這些發(fā)生在靜態(tài)圖像領(lǐng)域的機器視覺識別技術(shù)，應(yīng)用到視頻中的難度會更大，因為在視頻中，每一幀畫面的都包括各種復(fù)雜的場景，而且很多時候視頻中一個動作是由不同的人發(fā)出的。不過視頻識別方面的應(yīng)用現(xiàn)在也有一些案例，比如著名色情網(wǎng)站Pornhub，它可以自動對成人視頻進行分類，包括讓系統(tǒng)識別出特定的性姿勢。

谷歌的軟件工程師也解釋道， “讓機器去識別影像中的人類行為是發(fā)展計算機視覺的一大難題，盡管過去幾年在圖像分類和尋找物體方面取得了突破。”所以谷歌推出了這個AVA數(shù)據(jù)庫，AVA包括80多個被動作標(biāo)簽標(biāo)注的Youtube視頻網(wǎng)址，比如握手、接吻、喝酒、擁抱等等。

谷歌希望通過開放這個數(shù)據(jù)庫，進一步改進他們基于視頻識別的機器視覺能力。