我正在寻找能够理解自然语言语义（当然，在某种程度上）的搜索引擎，或者只是一种技术，以便找到相应的图像。
反之亦然。
例如：一个软件，可以区分两个男人拥抱和两个男人摔跤的罗马风格。 或者 - 输入：一张桌子的照片，上面有一台笔记本电脑、一杯咖啡、魔方和一个星球大战玩具，可以产生输出：程序员桌子。
【问题讨论】：
标签： image-processing computer-vision semantic-web semantic-analysis
我在工作中遇到了Metamind.io，它使用一些深度神经网络魔法以正确的方式识别和标记图像。
您可能会从他们训练有素的分类器中获得良好的结果，或者训练您自己的分类器。
【讨论】：
在这里聚会很晚，但我认为这可能会帮助其他人搜索相同的东西。
在基本图像分析方面，该领域最近取得了长足的进步，并且有很多人提供此功能。质量差异很大，取决于提供者的训练程度和语料库的规模。我合作过的几个例子是 IBM 和 Clarifai，但这是一个蓬勃发展的领域。
他们不会给出您所追求的上下文类型。反正还没有。他们不太可能区分两个男人拥抱和两个男人摔跤（嘿，作为一个人，有时谁能分辨出两者的区别？）。然而，他们可能会挑选一张桌子、一杯咖啡、一本书等。
视频搜索和语境化完全是另一个挑战，它还处于起步阶段。至少有一家公司在这一领域取得了重大进展（完全免责声明，我在那里工作）。 Movida Labs 分析并索引视频中的许多因素以提供大量上下文，因此在您的示例中，它很可能表明这是一个有两个男人摔跤的视频。我不得不承认，这不是因为技术上的某种突破（尽管它非常先进），而是因为整个视频提供了这种背景。
【讨论】：