百度智能云视频AI技术助力媒体行业产业升级

发布时间：2021-06-10 23:23

　　<正>随着技术的不断进步,人工智能正加速改变各行各业。从电子游戏到电视电影、综艺节目等,人工智能与流媒体领域的融合越来越深入,在提高效率和促进行业升级发展方面发挥着至关重要的作用。本文将以百度智能云视频AI技术为例,阐述人工智能技术是如何助力媒体行业产业升级的。 

【文章来源】：人工智能. 2020,(02)

【文章页数】：10 页

【部分图文】：

媒体内容分析MCA的操作台演示界面

首先是偏预处理任务的基础特征层，用于进行图像、音频等多模特征的处理，并且在前期对视频的冗余数据，以及编码和物体运动造成的模糊和运动伪影进行去除。从底层提取高质量的图片数据，从而提升上层图像标签的准确率。中层的结构化算子层，适用于通用任务，算子组件化功能独立，可单独服务化部署也可组合支持业务的扩展。凭借百度在语音识别、OCR、人脸、NLP、知识图谱等方向的算法和数据积累，以及在视频场景下的需求理解，为视频提供通用的高质量算法能力以及定制化的视频AI技术，给通用视频提供多层次多维度的结构化分析结果。

相似图检索主要的操作是比较两幅图像之间的相似度（例如pHash之间的汉明距离等），相似度低于某个阈值则认为两张图是相似的。为了提升检索性能，通常初始化阶段将数据集分成多个bucket，每一个bucket会存储距离处于一定范围的样本，且任意两个bucket之间是不相交的。根据bucket之间的相关性，整个数据库可以组成一个树状结构，通过树节点的路径选择加快检索效率，类似于KD-Tree等方法。构建bucket的过程有多种方法，常使用的是聚类算法，如K-Means、DBSCAN、Hierarchical Clustering等，这里需要根据算法特点和实际任务进行选择。图像去重也可以使用相同的办法。使用大规模数据例如ImageNet预训练的模型具有很强的语义表达性以及特征区分性，提取图像的特征后使用无监督聚类算法将特征进行聚类，结合清晰度、美观度等模型辅助得到图像质量的分数，结合聚类簇中心输出最优图像。对于大规模视频数据集来说，可以先使用无监督的方式进行粗切，确定粗切的组数，在每组中进行更加精细的去重操作，如图4所示。


本文编号：3223311