视频结构化相关调研

Posted 2020-10-13 qinghua

视频结构化是一种视频内容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。

深度学习为视觉和语言之间搭建了一座桥梁
https://weibo.com/ttarticle/p/show?id=2309404128390117477519

NLP注意力模型
https://mp.weixin.qq.com/s/5miocWSsDyOtUUwiTaUZdw
人脑的注意力模型，说到底是一种资源分配模型，注意力总是集中在画面中的某个焦点部分，而对其它部分视而不见。

微博反垃圾系统
反垃圾系统由微博机器学习团队研发，针对有害信息及人身攻击言论做到大规模的智能处理。该系统在浅层模型的基础上引入深度语义模型，通过对垃圾文本进行文本深度表示（word embedding），然后串联长短时记忆网络（LSTM），有效提升垃圾内容识别的准确率和召回率。

DeepMind提出SCAN：仅需五对样本，学会新的视觉概念！
https://www.leiphone.com/news/201707/b4RTBYI0kiYOF4VY.html

资源 | 从全连接层到大型卷积核：深度学习语义分割全指南
http://www.dlworld.cn/YeJieDongTai/4476.html

 

分析海量视频中的违规内容，七牛如何构建弹性深度学习计算平台
http://www.infoq.com/cn/articles/qiniu-build-an-elastic-depth-learning-computing-platform
1.提到场景识别相关

Peter Cnudde谈雅虎如何使用Hadoop、深度学习和大数据平台
http://www.infoq.com/cn/articles/peter-cnudde-yahoo-big-data
在类似Flickr和Esports这样的产品中，你们如何使用深度学习？您可以谈一下你们正在使用的算法和技术吗？
1.提到了自动简化照片的分类
2.自动从现场直播视频流中实时地检测比赛的精彩片段

用两个使用Caffe的小项目案例演示迁移学习的实用性
http://www.infoq.com/cn/news/2016/12/Two-Caffe-practical-migration
案例一新加坡政府机构组织的视频分析挑战赛
比赛内容就是通过视频分析，检测出视频中出现的人脸并定位。
提到的代码及paper：https://github.com/Russell91/ReInspect

播放量从每天 100 万到 10 亿，我们做对了哪些
http://www.infoq.com/cn/presentations/play-volume-from-1-million-to-1-billion-per-day-which-we-do-right
http://www.infoq.com/cn/presentations/play-volume-from-1-million-to-1-billion-per-day-which-we-do-right#downloadPdf
文本分析
视频内容分析
用户行为分析
视频自动加频道，视频封面自动化，消重自动化