视频:人脸和物体检测的人工智能驱动工具

了解更多关于视频人工智能的信息流媒体的下一个事件.

阅读这段录音的完整文本:

小君海德: 视觉检测，你看到了什么，电脑? 这是一只大猩猩. 太棒了，谢谢，我不用看视频了.

所以说到视觉检测，物体检测是一个很大的问题. 你在视频中看到了什么，你有多确信你看到了?

左边的很多幻灯片都是JSON. 这是当你使用这些服务时返回的数据, 所以从开发者的角度来看, 他们会说, “嘿,服务, 请告诉我视频里有什么?“然后这些数据会带回来一些非常非常有用的信息.

在视频情报方面, 谷歌做得很好, 他们做的一件很酷的事情是他们也提供分类. 所以这就像我不仅看到了大脑，而且我还知道大脑属于器官类别. 我有80%的把握那是一个大脑.

你可以看到它在左边的JSON中表示，如果没有太过模糊的话. 我们有一个器官的分类实体, 上面说这个实体是一个大脑, 这样你就明白了. 显然，谷歌有2万个标签. 因此，谷歌有能力探测到2万个物体. 这是一个相当不错的数字.

另一件事是，最近，他们把目标跟踪引入了测试版. 所以它不仅可以在这张图片中检测到大脑, 但它可以探测到大脑, 桌子上有轮子, 它穿过了屏幕, 这是很新的东西, 它还在测试阶段.

AWS有数千个标签，但他们没有具体说明数量. 有趣的是，我们把一段视频放到AWS识别系统中, 这是他们的服务名称, 我们拿到了一张红毯首映式的唱片. 所以它是, 我想应该是E加感叹号, 人们在走路, 他们在拍她们穿着裙子什么的. 这很有趣，因为我没想到会看到这么具体的标签.

Clarifai, 正如我之前提到的, 他们有很多非常有趣的模型, 所以Clarifai, 他们有一个服装模特, 他们有一个食物模型, 旅行, 婚礼, 除了他们的一般模型. 显然，蜂巢人工智能可以检测商业广告. 流媒体在播放，突然一个商业广告播放了，哦，我看到了一个商业广告.

Valossa负责表情和伤害. 所以，如果我的手臂流血了，芬兰人工智能公司Valossa可能就能看到. 当涉及到面部时，AWS真的非常专注于面部. 所以如果你在找面孔, 如果你想知道, 嘿，我想画这样, 一个卷q型的小胡子, 这是您可能想要使用的服务. 因为它们不仅能识别人脸, 但他们知道眼睛在哪里, 的鼻子, 嘴角是. 它们还能探测到横摇、俯仰和偏航.

所有这些都在左边的JSON中表示. 你在右边看到的是, 上面写着脸，是个红色的大盒子, 这就是所谓的边界框. 边界框基本上是告诉你电脑在那里看到了一张脸.

这实际上是很多服务都没有提供的, 但我们开始提供. 所以，我认为谷歌最近开始提供边界框，以及其他一些服务. 因为你可能想对边界框信息做些有创意的事情. 除了检测人脸，很多服务还检测名人.

微软视频索引，他们说他们知道大约100万名名人. 包括演员，世界领导人，运动员等等. 你会在稍后的演示中看到. 视频索引器，为微软.

你会注意到我高亮了Blender这个词.org. So, 还有品牌检测, 微软实际上是从OCR中检测品牌, 光学字符识别. 屏幕上的文字. 他们也可以从音频中检测到它. 但如果你想要那种服务, 哦，我看到金色拱门了, 这是麦当劳, 你会想调查一下像瓦罗萨这样的公司, 蜂巢人工智能, 澄清, 或Veritone.

视频索引器做OCR，正如你在前面的例子中看到的. 在这种情况下, 你知道, 它在文本中找到了内森·维达尔, 还回去了，这样我们就不用看演职员表了, 因为我们不看演职员表, 正确的, 有时? 其他提供OCR的供应商有Veritone和AWS. 截至2018年11月，谷歌的云视频智能公司开始进行OCR测试.