机器学习在MVPD视频广告中的应用

本文来自MHV (Mile High Video) 2019的演讲，作者是来自于Charter公司的Srilal Weera。本次演讲主要讲述了机器学习在视频分析领域特别是MVPD视频广告中的应用。

Srilal首先列举了一些机器学习能够用于运营商级视频分析的示例，其中重点讲述了广告摄取的质量控制，在这个工作流程中，机器学习引擎的引入可以用来辨别违规或者有限制内容的视频。通过一些例子，Srilal又简要介绍了三类针对广告的合规，分别是监管合规、合同合规以及业务/运营合规。

接着，Srilal列举了机器学习在视频分析领域的一些应用，如运动场景中的目标检测、监控以及移动终端的相关软件，同时也介绍了当前面临的挑战：标签不足以准确表达视频内容、活动识别仍旧很难、预测速度较慢等等。紧接着，Srilal对神经网络进行了简要的介绍，包括神经元的功能、网络的组成、训练方法等等，同时也对一些经典的深度学习模型如CNN (卷积神经网络)、RNN (循环神经网络)进行了说明。

Srilal随后展示了几个具体的示例以及测试结果。在一段展示农业法案的视频中，机器学习工具成功地提取出了一些有效的内容描述子如农业补贴、拖拉机等等，然而这些工具也会出现错误。第一种错误是False Positives (误报)，机器学习算法将灯在水中的倒影误识别为“烟花”，后续可以通过一些算法降低这些错误发生的概率；第二种错误是False Negatives (漏报)，算法在一张碰杯的图像中未能识别出酒精饮料，但是由音频所得的文字记录注明了“鸡尾酒”一词，因此多流传输的形式有助于我们对视频进行更准确的分析。

最后，Srilal进行了总结。现有的成熟产品大多面向人脸识别，机器学习在运动场景以及监控中很有效，但是MVPD应用有着更严格的要求，有很多基于多流的启发式算法被提出，用于解决现有方法中的一些问题。

附上演讲视频:

演讲PPT全文