Гугл использует глубокую разработку нейронной сети для увеличения качества миниатюр на YouTube.Гугл начал использовать знания от собственной работы в технологии глубокой нейронной сети (DNN) для увеличения качества миниатюр на YouTube.Цель пребывает в том, чтобы видеть, могут ли недавние усовершенствования DNN в регионах как обработка и обработка изображений видеоданных быть применены для улучшения автоматического генератора миниатюры YouTube Гугл, так, люди могут отыскать видео более легко.
Вейлонг Янг и Минута-hsuan Tsai, члены аналитической команды видеоконтента Гугл и команды Создателя YouTube, соответственно, обрисовали упрочнения компании, включающие DNN и миниатюры в сообщении в блоге Гугл Research 9 октября.Блог предлагает взор на часть захватывающей работы, продолжающей негласно в Гугл повышать уровень качества миниатюр – что-то, что люди применяют в громадной степени при просмотре видеоконтента на YouTube.Потому, что исследователи отмечают в блоге, судя, что уровень качества видео возможно весьма субъективным, в особенности при выборе кадров для включения в миниатюру.
Чтобы учить его непроизвольный генератор миниатюры различать между видеокадрами доброго теми бедного и качества из качества, исследователи Гугл скомпилировали набор того, что они считали отличные миниатюры загруженными пользователями на YouTube.Характеристики, которые они искали включенный, как отлично обрамленный миниатюры были, были ли предметы в надлежащем фокусе и центрировались ли миниатюры подобающим образом на определенном предмете. Они тогда соответствовали подобный набор видео низкого качества с рядом неспециализированных черт, которые сделали их так.
Отличные видео были классифицированы как хорошие примеры, тогда как видео низкого качества были классифицированы как отрицательные примеры посредством способа двоичной классификации для визуального качественного моделирования.Совокупность DNN, которая употребляется для автоматической генерации миниатюр, была тогда «научена» выявить отличные видео от низкокачественных посредством набора данных.
Применяя подход, видео, которое загружается на YouTube, выбирается в одном кадре в секунду и оценило применение визуальной качественной модели. Каждому кадру тогда присваивают качественный счет. Кадры с самыми высокими очками выбраны и улучшены перед тем как быть предоставленным в миниатюры YouTube, сообщили Мин и Тсай.«Если сравнивать с прошлыми машинально сгенерированными миниатюрами DNN-приводимая-в-действие модель в состоянии выбрать кадры посредством намного добрейшего качества», отметили эти два исследователя в сообщении в блоге.
Частные лица, которые попросили оценить уровень качества миниатюр YouTube, последовательно предпочитали тех сгенерированных совокупностью DNN, если сравнивать с прошлым thumbnailer. В бок о бок сравнениях частные лица выбрали новые миниатюры в 65 процентах случаев.Результаты ответственны, в силу того, что сильные миниатюры помогают людям отыскать содержание более легко на YouTube, сообщили исследователи. «Лучшие миниатюры приводят к большему количеству представлений и щелчков для видео создателей».То, что покинули невысказанным, – то, что больше представлений для видео создателей также свидетельствует больше шансов для Гугл помещать приносящие выручку объявления перед пользователями.
Работа Гугл с DNNs есть частью более широкой Широкомасштабной инициативы Глубокого обучения, созданной, чтобы оказать помощь компании создать более интеллектуальные вычислительные совокупности. Цель пребывает в том, чтобы оборудовать компьютеры будущего с возможностями и речью видения, пониманием языка а также пользовательским прогнозом поведения, применив передовые подходы машинного обучения к вправду большим наборам данных.