Facebook机器学习系统能实时审查海量图片中的多国文字

Facebook需要一个可以定期处理大量内容的光学字符识别系统（OCR），这也是Facebook“Rosetta”项目的初衷。如今Rosetta每天可以实时从多种语言中提取超过十亿个图像和视频帧的文本。

在一篇新的博客文章中，Facebook介绍了Rosetta的工作原理（上图）：Rosetta首先检测可能包含文本的图像中的矩形区域。然后使用卷积神经网络来识别和转录在该区域中写的内容，甚至是非英语单词或非拉丁字母的语言，例如阿拉伯语和印地语。为了训练这个系统，Facebook使用了人机和机器注释的公共图像。

Facebook和Instagram的各路团队已经在使用Rosetta来展示推荐和监管海量内容。Facebook还计划继续增加Rosetta可以识别的语言种类，并加强从视频帧中提取文本的功能。

最近，Facebook增加了24种新语言的自动翻译服务，包括塞尔维亚，白俄罗斯，马拉地语，僧伽罗语，泰卢固语，尼泊尔语，卡纳达语，乌尔都语，旁遮普语，柬埔寨语，普什图语，蒙，祖鲁，科萨和索马里。Facebook坦承这些语言的翻译尚处于早期阶段，因此仍然会有较多错漏。