<正>隨著技術(shù)的不斷進步,人工智能正加速改變各行各業(yè)。從電子游戲到電視電影、綜藝節(jié)目等,人工智能與流媒體領(lǐng)域的融合越來越深入,在提高效率和促進行業(yè)升級發(fā)展方面發(fā)揮著至關(guān)重要的作用。本文將以百度智能云視頻AI技術(shù)為例,闡述人工智能技術(shù)是如何助力媒體行業(yè)產(chǎn)業(yè)升級的。 

【文章來源】：人工智能. 2020,(02)

【文章頁數(shù)】：10 頁

【部分圖文】：

媒體內(nèi)容分析MCA的操作臺演示界面

首先是偏預(yù)處理任務(wù)的基礎(chǔ)特征層，用于進行圖像、音頻等多模特征的處理，并且在前期對視頻的冗余數(shù)據(jù)，以及編碼和物體運動造成的模糊和運動偽影進行去除。從底層提取高質(zhì)量的圖片數(shù)據(jù)，從而提升上層圖像標簽的準確率。中層的結(jié)構(gòu)化算子層，適用于通用任務(wù)，算子組件化功能獨立，可單獨服務(wù)化部署也可組合支持業(yè)務(wù)的擴展。憑借百度在語音識別、OCR、人臉、NLP、知識圖譜等方向的算法和數(shù)據(jù)積累，以及在視頻場景下的需求理解，為視頻提供通用的高質(zhì)量算法能力以及定制化的視頻AI技術(shù)，給通用視頻提供多層次多維度的結(jié)構(gòu)化分析結(jié)果。

相似圖檢索主要的操作是比較兩幅圖像之間的相似度（例如pHash之間的漢明距離等），相似度低于某個閾值則認為兩張圖是相似的。為了提升檢索性能，通常初始化階段將數(shù)據(jù)集分成多個bucket，每一個bucket會存儲距離處于一定范圍的樣本，且任意兩個bucket之間是不相交的。根據(jù)bucket之間的相關(guān)性，整個數(shù)據(jù)庫可以組成一個樹狀結(jié)構(gòu)，通過樹節(jié)點的路徑選擇加快檢索效率，類似于KD-Tree等方法。構(gòu)建bucket的過程有多種方法，常使用的是聚類算法，如K-Means、DBSCAN、Hierarchical Clustering等，這里需要根據(jù)算法特點和實際任務(wù)進行選擇。圖像去重也可以使用相同的辦法。使用大規(guī)模數(shù)據(jù)例如ImageNet預(yù)訓(xùn)練的模型具有很強的語義表達性以及特征區(qū)分性，提取圖像的特征后使用無監(jiān)督聚類算法將特征進行聚類，結(jié)合清晰度、美觀度等模型輔助得到圖像質(zhì)量的分數(shù)，結(jié)合聚類簇中心輸出最優(yōu)圖像。對于大規(guī)模視頻數(shù)據(jù)集來說，可以先使用無監(jiān)督的方式進行粗切，確定粗切的組數(shù)，在每組中進行更加精細的去重操作，如圖4所示。


本文編號：3223311