3.深度學習在視頻行業的應用

　　視頻因具有運動的圖像、文本、音頻、用戶觀看日志等復雜的時空信息，容易帶動觀者的情緒，是內容最豐富的媒體，在未來將成為信息表達和傳播的主流。然而目前大部分視頻都存在一些問題：第一、隨著視頻形成的規模增加，視頻處理的任務也更加艱巨，信息傳播的速度跟不上產生的速度。以愛奇藝為例，每天都有十幾萬的視頻上傳，如果通過人工的方法為這些視頻進行審核、標注，那將花費巨大的人力，并且效率低下。另一方面，視頻中的內容無法得到有效利用。視頻網站雖累積了海量用戶，但黃金流量卻難以規模變現。而大數據及深度學習的應用，可以分析視頻序列中的信息，以達到理解視頻內容的目的，為解決上述問題提供了新的視角。

　　3.1.視頻的智能化處理

　　通過大數據和深度學習挖掘解析視頻畫面內容，從而實現視頻的智能化處理，是提高視頻生產效率的法寶。傳統電視臺對于節目的編輯、卡段以及審核全部是人工的，花費時間長，效率也低。而深度學習的應用會讓整個過程迅速加快：對整個情節自動卡段，對所有的語義識別、字母的自動提取，對整個視頻的審核變成全自動。每一個視頻吸引用戶的點擊靠的是描述和截圖。如何在每天巨量的視頻里面自動選出最適合的截圖，它是視頻領域需要解決的問題。以前使用的是能量算法，選擇變化最大或者說保真度最大的圖片作為截圖，而今融入視頻識別和人臉識別，表達這個視頻的截圖將更加貼切。

　　視頻的上傳需要經歷嚴格的黃、暴檢測，人工智能可以節省大量的人力。2016年3月全國“掃黃打非”行動中，對百度云盤、微盤、360云盤等云儲存平臺上的大量視頻圖像數據進行審核是一項重要且艱巨的任務，人工審核黃色、暴力等信息會非常消耗時間和人力。通過基于深度學習的視頻大數據技術，可以精準識別出這些平臺的色情、暴恐、小廣告等違規圖片或視頻，能幫助開發者團隊降低運營風險和法律風險，節省大量審核人力。例如圖普科技就是基于深度學習圖像識別技術，推出圖像識別云服務，為企業提供各種圖片和視頻審核、增值、搜索服務。

　　迅雷通過接入圖普科技的圖像識別云平臺，超過98%的色情視頻被機器過濾，復審量低于總量2%，節省了超過98%的人力成本。Viscovery創意引晴公司能夠監測色情、暴力、反恐等違禁內容，適用網絡直播、盜版內容監測等領域，能節省95%人力，進行高效分析。

　　3.2.深度學習開創新的商業模式：視頻電商與新型廣告植入

　　深度學習在視頻大數據中可以實現廣告與客戶需求更加精準的匹配。目前龐大的視頻大數據資源已經吸引了包括BAT在內的國內外頂尖視頻網站。阿里與優酷土豆的邊看邊買，百度和愛奇藝的隨視購，以及騰訊視頻、搜狐視頻，芒果TV都陸續開始在視頻畫面中植入廣告。通過大數據挖掘自動分析視頻中的畫面內容，并自動在視頻中產生信息、標簽、商品等內容，一方面能夠增加商品的點擊率和銷售，另一方面也可以實現更精確的廣告精準匹配，增加廣告投放，，最終實現將流量轉換成營收的目標。同時還可以進行廣告效果的監測，獲得視頻里面品牌曝光的次數、時長等。