Мы используем cookie, чтобы сайт был лучше для вас.
Внимание
У Вас отключена поддержка Cookie в браузере. Возможно некорректное отображение сайта!

Зачем стриминг-проекту или видеохостингу компьютерное зрение

Автоматическая модерация пользовательского контента VOD
Выявление видео, которое запрещено публиковать по этическим, географическим или иным нормам. Анализ позволяет автоматически быстро и точно определять бóльшую часть невалидного контента. На ручную модерацию отправляется меньшая часть контента: видео тегируется с указанием вероятностей и передаётся человеку на проверку.
Автоматический анализ Live (beta)
Прямой эфир постоянно анализируется на заданные объекты. При их появлении с потоком можно выполнять любые ограничительные действия. Это позволяет автоматически отслеживать выполнение правил публикации контента пользователями.
Аннотация и тегирование контента (beta)
Компьютерное зрение позволяет поставить теги на видео на основе определения сцен, действий или заданных объектов. Теги заносятся в метаинформацию и могут служить основной для каталогизации контента или отображения в описаниях к видео.
Разметка видео (beta)
Видео можно размечать по времени появления заданных объектов или действий. Благодаря этим меткам, на таймлайне можно отображать дополнительную информацию или включать рекламу разного типа.

Что можно распознавать с его помощью

Объекты
  • Людей
  • Лица
  • Домашних животных
  • Предметы быта
  • Логотипы
  • Автомобили и средства перемещения
  • Более 1000 других объектов
Объекты
Действия
  • Танцы
  • Приём пищи
  • Фитнес
  • Многие другие действия
Действия
Наготу
  • Женские и мужские лица
  • Закрытые одеждой и оголённые части тела
  • Другие части тела
Наготу

Как подключить и использовать для VOD и Live

Результат функции — метаданные со списком найденных объектов и вероятностей определения данных объектов

Результат функции — метаданные со списком найденных объектов и вероятностей определения данных объектов

Тарифные планы и статистика расходов

Преимущества нашего решения

Скорость обработки в 5 раз быстрее
Анализ видео только по ключевым кадрам, а не по всему видео целиком. Позволяет сократить время обработки видео до 30 раз по сравнению с традиционным анализом. Среднее время обработки — 1:5.
Триггеры на автоматическую остановку
Анализ прекратится на том месте, где сработает триггер. Это позволяет получать ответы мгновенно, не дожидаясь полной обработки видео.
Интерактивное обучение и доработка функционала
Ваш проект может потребовать индивидуальных функций. Поэтому исходная база машинного обучения может быть дополнена и вашими образами. Мы открыты для предложений по интеграции новых решений.
Оптимизация расходов
Анализ работает быстрее и не делает лишних действий при обнаружении искомых объектов. Это позволяет экономить бюджет на анализ ненужных участков видео. Также мы используем собственную облачную инфраструктуру, в которой используются актуальные технологии.

Сравните возможности сервисов

EdgeЦентр AWS Azure Google
Aннотация
Объекты
Модерация контента
VOD-процессинг
Live-процессинг
Снижение расходов
Подключение внешнего хранилища
Быстрый анализ
Автостоп-триггеры

FAQ

Как подключить и использовать компьютерное зрение (КЗ) для VOD и Live?

Полное описание, примеры использования и необходимая документация находится в базе знаний.

Какие инструменты используются для обучения?

Наши модели строятся на основе библиотек OpenCV, TensorFlow и других.

OpenCV. Библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом.

TensorFlow. Открытая программная библиотека для машинного обучения, разработанная компанией Google для решения задач построения и тренировки нейронной сети с целью автоматического нахождения и классификации образов, достигая качества человеческого восприятия.

Какой score указать, чтобы не было ложных срабатываний?

На ваших видео КЗ определяет как объекты, так и вероятность их обнаружения. Для каждого проекта определяется свой уровень вероятности от лёгкого намёка до невозможности появления заданного типа объекта. Например, на видео есть метка EXPOSED_BREAST_F и score 0.51.

Как определить score, который будет оптимален?

Чтобы определить среднее значение на вашем проекте мы рекомендуем взять набор видео, например, за день или за неделю, для каждого видео посчитать score для заданных меток и на основе анализа результатов выставить коэффициенты. Например, нормальные (max 30%), сомнительные (max 50%) и цензурируемые (51% и выше).

Как дообучить КЗ, которое ошибочно пропускает объекты?

Мы используем наборы изображений и видео, покрывающие большое количество вариантов использования. Но иногда систему нужно дообучить для конкретных случаев.

Мы рекомендуем формировать набор пропущенных видео и передавать их на анализ отдельно. В следующей итерации система будет обучена и по этим видео.

Как обрабатывать изображения?

Отправляйте изображения в систему на обработку точно так же, как и видео. Картинка тарифицируется как видео длительностью в 1 секунду.

Как происходит расчёт стоимости?

Система учитывает длительность каждого обрабатываемого видео в секундах. В конце месяца в биллинг передаётся итоговая сумма. Тарификация в минутах.

Например, вы загрузили 3 видео длительностью 00:10, 1:30 и 5:10. Сумма в конце месяца будет 10+90+310 = 410 секунд = 6 минут 50 секунд. Биллинг тарифицирует 7 минут. В личном кабинете можно увидеть график потребления минут по каждому дню.

Сохраняются ли видео или изображения, которые используются при компьютерном зрении?

Нет. Стриминговая платформа автоматически удаляет ваши видео и изображения после анализа и не использует ваши данные для обучения базовых моделей. Ваши видеофайлы не покидают пределов ваших хранилищ и не отправляются на edge-серверы при запуске контейнера.

Используйте передовые технологии компьютерного зрения и машинного обучения без инвестиций в инфраструктуру.

Удобная интеграция • Компетентная техподдержка 24/7