Kuinka Synamedia käyttää Amazon Rekognition Videota kehittyneiden videohakuominaisuuksien rakentamiseen pitkälle videolle

synamedia on johtava videoteknologian toimittaja, joka vastaa huippuluokan videopalveluntarjoajien ja suoran kuluttajan (D2C) tarpeisiin kattavalla ratkaisuvalikoimalla. Synamedia-ratkaisut leviävät useisiin pilareihin, kuten videoverkkoihin, TV-alustoihin, mainoksiin ja kaupallistamiseen sekä sisällön suojaamiseen ja piratismihäiriöihin.

Synamedia teki yhteistyötä AWS:n kanssa tekoälyn (AI) avulla kehittääkseen parannettuja videohakuominaisuuksia pitkän muodon videoille. Tämä auttaa asiakkaitaan etsimään videoita sellaisten kohtausten kuvauksen perusteella, joita ei ole kuvattu sisällön metatiedoissa. Esimerkiksi sellaisen videon etsiminen (jopa sarjasta), joka sisälsi kohtauksen veneestä, joka ei ole tarpeeksi merkittävä mainittavaksi metatiedoissa. Tämä mahdollistaa sisällön löytämisen todellisista objekteista.

Kanssa Amazon Rekognition -video, Synamedia rakensi tekoälyratkaisun, joka pystyi suorittamaan tarran tunnistuksen videoissa ja kuvissa käyttämällä tavallisia ja mukautettuja malleja. Tämä mahdollisti kohtaustason havaitsemisen tietyt kohteet pitkässä videossa sen perusteella, mitä kohtauksessa sillä hetkellä on. Tämän uuden ominaisuuden avulla käyttäjät voivat löytää tietyt esiintymät pitkästä videosta, perustuen vain yleiseen kuvaukseen siitä, mitä he etsivät. Tämän ansiosta Synamedia toimii erittäin nopeasti, kun se ottaa käyttöön uutta sisältöä, jonka pyörittäminen ja tulosten saavuttaminen vie nyt muutaman tunnin. Ratkaisu on helppokäyttöinen ja laaja, sillä se tarjoaa mahdollisuuden lisätä muita mukautettuja malleja toimialuekohtaisiin kuviin.

Tekoälyn käyttö visuaalisen sisällön indeksointiin

Kun sekä videosisällön tarjonta että laajempien videoiden oivallusten kysyntä kasvavat jatkuvasti, tehokkaat videohakuominaisuudet ovat yhä tärkeämpiä. Perinteinen videohaku rajoittuu kuitenkin yleensä perustietoihin, kuten videon otsikkoon, tai joissakin tapauksissa metatietoihin, jotka on liitetty tunnisteiksi, jotka kuvaavat videon avainteemoja tai sisältöä.

Suurin osa kuvaavista tiedoista on lisättävä manuaalisesti, mutta siitä tulee kohtuutonta videon määrän kasvaessa. Tämän seurauksena perinteisen videohaun suorituskyky on usein rajallinen. Tämä rajoitus on vielä selvempi pitkälle videosisällölle, jolle kohtaustason metatietoja ei yleensä ole, koska sen tuottaminen on kallista ja aikaavievää.

Tämän rajoituksen korjaamiseksi Synamedia päätti kehittää tekoälyllä toimivan videohakuratkaisun tietokonenäön avulla tunnistamaan automaattisesti kohtaustason yksityiskohdat missä tahansa videossa ja tekemään nämä tiedot käyttäjien löydettävissä näiden kohtausten yleisten kuvausten perusteella.

Käytä Amazon Rekognitionia mukautetun tietokonenäköratkaisun rakentamiseen vain kahdessa viikossa

Tämän tavoitteen saavuttamiseksi Synamedian ohjelmistotekniikan stipendiaatti Avi Fruchter kääntyi Amazonin tunnistus, The täysin hallittu videoanalyysipalvelu joka auttaa nopeuttamaan tietokonenäkömallien käyttöä asiaankuuluvien kohtaustason tapahtumien, kuten esineiden, toimintojen ja jopa tekstin ja kohtausten havaitsemiseksi.

Amazon Rekognition Video nopeuttaa tietokonenäköratkaisujen kehitystä videolle käsittelemällä ja merkitsemällä videosisältöä automaattisesti tietokonenäkömallien avulla. Näitä malleja hallinnoi ja ylläpitää täysin Amazon Rekognition. Se poistaa tarpeettoman infrastruktuurin hallinnasta aiheutuvan erottumattoman raskaan työnteon ja vähentää myös näiden mallien rakentamiseen ja käyttöönottoon tarvittavaa teknistä asiantuntemusta.

Aloita valitsemalla vain, mikä Amazon Rekognitionin laajasta valikoimasta ominaisuuksista sopii tehtävällesi, ja kutsumalla asianmukaista sovellusliittymää. Tulokset palautetaan sitten helposti hallittavana JSON-vastauksena jokaiselle työlle.

Esimerkiksi Synamedia käytti StartLabelDetection API:ta luodakseen automaattisesti tunnisteiden luettelon videokirjaston jokaisessa videokehyksessä havaituille objekteille. Tästä yksinkertaisesta API-kutsusta Amazon Rekognition palautti otsikoiden luettelon, kunkin luotettavuuspisteen ja kunkin kehyksen asiaankuuluvat aikaleimat. Tämän ansiosta Synamedia pystyi välittömästi luomaan täysin uuden joukon hakumetatietoja jokaiselle testikirjastonsa videolle. Käyttäjät voivat sitten etsiä tiettyä videosisältöä kuvailemalla tiettyjä kohteita tai maisemia, joista he ovat kiinnostuneita, ja saada tuloksia, jotka eivät vain vastaa heidän kyselyään, vaan myös ohjaavat heidät tiettyyn kohtaukseen videossa, jossa kyseinen sisältö esitettiin.

Muita olennaisia ​​Amazon Rekognition API -sovellusliittymiä videoanalyysiin ovat StartFaceDetection, StartPersonTracking ja StartSegmentDetection – ominaisuus, joka tunnistaa hetken, jolloin kohtaukset videossa muuttuvat.

Amazon Rekognition toimii sekä esinauhoitetuissa että live-videoissa. Valmiiksi tallennettu video luetaan Amazonin yksinkertainen tallennuspalvelu (Amazon S3), ja live-videota voidaan käsitellä Amazon Kinesis -videovirrat.

Synamedia valitsi Amazon Rekogntionin sen kyvyn vuoksi laajentaa kykyjään nopeasti. Synamedian innovaatiotiimi on omistautunut yksinomaan uusien teknisten innovaatioiden rakentamiseen videoalalla ja sillä on vahva tekninen asiantuntemus. Heilläkään ei kuitenkaan aina ole mahdollista saada syvää alaosaamista kaikilla videotekniikan osa-alueilla. Tule mukaan Amazon Rekogntioniin, joka laajensi heidän kykyjään tietokonenäön alalla, jolloin he voivat hahmottaa käyttötapauksen ja testata nopeasti sen elinkelpoisuutta.

"Kiinnitys oli erittäin nopea ja tulokset olivat erittäin nopeita", Avi Fruchter sanoo. "Emme aina ole toimialueen asiantuntijoita kaikilla ML:n osa-alueilla, ja Amazon Rekognition antaa meille mahdollisuuden hyödyntää olemassa olevaa asiantuntemuksemme uudentyyppisissä parannetuissa käyttötapauksissa asiakkaillemme."

Synamedia uskoo, että heidän ratkaisustaan ​​on laajat edut laajalle joukolle asiakkaita, mukaan lukien yritykset, joilla on suuret videokirjastot, sekä kasvava määrä yrityksiä, joiden on seurattava tiettyjä tapahtumia live-videosyötteissä, kuten terveys- ja turvallisuusriskejä.

Yhteenveto

Amazon Rekognition Videon avulla Synamedia pystyi rakentamaan ja testaamaan edistyneen videohakuominaisuuden muutamassa viikossa ilman, että tarvitsisi palkata tai kehittää ylimääräistä erikoistunutta tietokonenäköosaamista.

Tämä uusi ominaisuus on antanut Synamedialle mahdollisuuden laajentaa innovaatiotiiminsä vaikutusta ja jatkaa missiotaan ajaa uusia videoinnovaatioita asiakkailleen.

Saat lisätietoja siitä, kuinka voit nopeasti rakentaa edistyneitä tietokonenäköratkaisuja videoille käymällä osoitteessa Amazon Rekognition -video tai viitaten Amazon Rekognition -resurssit.

Tietoja kirjoittajista

Daniel Burke on tekoälyn ja ML:n johtaja Euroopassa AWS:n Private Equity -ryhmässä. Daniel työskentelee suoraan Private Equity -rahastojen ja niiden kohdeyritysten kanssa auttaen niitä nopeuttamaan tekoälyn ja ML:n käyttöönottoa innovaatioiden parantamiseksi ja yrityksen arvon lisäämiseksi.

John Shaw on Pohjois-Amerikan johtava tekoäly ja ML AWS:n Private Equity -ryhmässä. John työskentelee suoraan Private Equity -rahastojen ja niiden kohdeyritysten kanssa, mikä auttaa niitä nopeuttamaan tekoälyn ja ML:n käyttöönottoa innovaatioiden parantamiseksi ja yrityksen arvon lisäämiseksi.