Google翻譯最新增加的特性是字鏡頭(Word Lens)，手機對著實際物體就可以實時翻譯其中的文字。這個聽著不那么新鮮，人工智能時代，這種演示好像已經很多了。但Google這次的絕技體現在：這種實時翻譯是深度學習支持的，而且不聯網的時候也可以工作，計算完全在手機上進行。這又是怎么做到的呢？

Google研究院的博客專門發表了一篇文章（要翻墻）介紹其中原理，這不是一篇學術論文，所以沒有真正的技術細節，只能了解思路：

• 首先，通過連續的色素塊從背景中挖出文字。
• 然后，用深度學習里的卷積神經網絡識別這些文字。訓練的時候，用了生成的數據集，模仿真實世界里有陰影、扭曲等的文字。之所以不用實際數據，是因為很難找到各種文字足夠的樣本。
• 之后是查字典，匹配會允許一定的模糊性，比如將super認成5uper也能出結果。
• 將結果用原文相同的字體和顏色顯示。

為了在手機上也能工作，神經網絡必須足夠小，信息密度設定上限。因此挑戰就是如何生成最高效的訓練數據。其中優化和反復調試的工作量很大。此外對數學操作也要手工重度調優，使用手機處理器的SIMD指令，優化矩陣乘法可以適合各級緩存等等。

總結

以上是生活随笔為你收集整理的Google实时文字翻译背后的技术的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。