通过计算机视觉和神经网络自动识别与描述珠宝，面向翻译者与口译员

识别珠宝作品是一项重大挑战，因为其风格和设计的范围极为广泛。目前，精确描述通常仅限于行业专家。然而，翻译者和口译员通常需要对这些物品有全面的理解。在本研究中，我们提出了一种使用神经网络自动识别和描述珠宝的创新方法。该方法使翻译者和口译员能够快速获取准确信息，有助于解决查询并获取关于珠宝的基本知识。我们的模型在三个不同的描述层次上运行，采用计算机视觉技术和图像标注来模拟专家对配饰的分析。关键创新在于生成跨越三个层次的自然语言珠宝描述，捕捉每件作品的细微细节。不同的图像标注架构被用于检测图像中的宝石并生成不同程度的描述。为了展示我们方法在识别多种类型珠宝方面的有效性，我们汇编了一个全面的配饰图像数据库。评估过程涉及比较各种图像标注架构，特别关注用于生成描述性标注的编码器-解码器模型。经过彻底评估，我们的最终模型实现了超过 90% 的标注准确率。