看图说话
看图说话是近年来新兴的一种智能化场景，是将图文信息和文本信息相结合的场景。实现过程中，用户只需要输入图片，就可以得到一段话作为图片场景的描述。在实际的技术层面上，需要图片的特征结合文本的特征来训练，才能达到看图说话的效果。
业务痛点及需求
目前的图像识别都是基于提取图片内蕴含内容的识别。行业中缺乏自主判断图像要传到的信息的产品。
结构流程
用户输入的是图片，后台系统通过特征提取，深度学习算法（CNN、LSTM）挖掘出图片所描述的行为，将图片行为标记成一段话印到图片上返回。
优势
大规模数据训练能力
阿里云图像识别采用先进的深度学习算法，利用GPU架构进行训练，在算法的成熟度和识别的精度上都具有一定优势。
