借助Clarifai的深度學習 電腦也能看懂視頻了

近幾年來，正是多虧了深度學習技術的蓬勃發展，人類在“識圖”領域獲得了可喜進展。例如Google的“以圖搜圖”和Facebook的“人臉識別”功能，給網民們帶來了極大的便利。如今一家名為Clarifai公司正打算再次突破，這次他們借助于深度學習技術，實現了視頻文件的識別。

公司表示，目前它們的軟件能夠快速分析視頻文件，并且識別出1萬種以上的物體或者場景。在上周，某個深度學習研討會上，Clarifai的聯合創始人兼CEO Matthew Zeiler上傳了一個包括含有阿爾卑斯山風景的視頻文件，接下來便是見證奇跡的時刻：該軟件繪制出了一條縱向時間線，在不同的位置處標志出了不同物體和場景出現的時間，例如它識別出了“雪”和“山”分別出現和共同出現的時間點。另外該軟件的視頻識別時間也是短于正常人類的觀看時間的，在這次的演示中，這段三分半鐘的視頻的識別過程只用了10秒鐘。

Clarifai公司計劃將這項技術打造成一整套服務，比如說幫助用戶將廣告與在線視頻向配對，或者是成為組織、編輯視頻素材的工具。

深度學習的實現得益于類似“神經元”搭建的網絡分析數據的過程，并且系統處理的實例數據越多，深度學習的能力便會愈加強大。值得一提的是，紐約大學的相關研究團隊對Clarifai公司的技術實現做出了極大的貢獻，并且Clarifai在2013年的一次高規格圖片識別軟件競賽中，獲得了前五名的好成績。

就像文章開頭所說的，現在深度學習領域的大多數研究仍然是著眼于圖片識別，而并非視頻。其實在去年Clarifai公司便已經推出了靜止圖像識別服務，另一家創業公司Dextro在去年12月底發布了視頻處理服務。

對于廣大熱心網友們而言，現在的一個好消息就是任何人都可以進入到Clarifai官網，免費上傳10Mb以內的視頻文件進行數據分析。現在軟件可以識別出汽車、樹木甚至是人，而且還能夠識別出感官性的場景氛圍，例如“快樂”或者是“團聚”。

Zeiler額外補充道，這款軟件其實有額外的妙用，“它能夠識別并推論出，究竟在視頻文件的哪個節點上適合投放廣告。”簡單的解釋說，軟件能夠幫助視頻廣告更加精準的投放，而不會與本身的視頻內容產生較大的“違和感”。他相信，在特定的時段投放廣告對廣告主來說，無疑有著極大的吸引力。舉個例子來說，借助于Clarifai的軟件，星巴克的廣告會在在線偶像劇中男女主角于咖啡廳約會之時，神不知鬼不覺的出現在頁面中。

另外，Zeiler表示公司也正在嘗試與一些有意使用該技術的公司展開合作。該軟件的功能仍然在不斷完善中，主要的兩個方向是：自動總結視頻內容以及識別出在視頻中的特定時間點發生了什么特殊活動。

via technologyreview

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。