視頻觀看過程中發現想要購買的東西卻猶如大海撈針?視頻網站擁有海量數據,如何嚴格審核避免發生問題?極鏈科技針對這樣的事件,從14年開始就將目光放在這樣一個領域——視頻內容識別。并于今年,與復旦大學聯合主辦了VideoNet視頻內容識別挑戰賽。

5月31日,VideoNet視頻內容識別挑戰賽正式接受注冊報名。此次比賽將面向全國科研院所和企業人員,值得一提的是,為了推動物體、場景等多維度視頻內容識別在人工智能與視頻產業中的應用,2019極鏈科技VideoNet視頻內容識別挑戰賽,將面向參賽者開放出由極鏈科技與復旦大學聯合推出的全新視頻數據集VideoNeT,該數據集包含353類事件,超過200類場景和200類物體,總視頻數達到9萬。其中60%作為訓練集,20%作為驗證集,20%作為測試集。通過此次挑戰賽,參賽者不但可以獲得海量的數據集,還可以與全球最優秀的AI人才同臺競技,與行業頂尖專家交流學習。在AI建設上滿足學術界對高質量數據集的需求,推進人工智能在科研與商業領域的結合,促進人工智能研發人員共同探索前沿領域的技術突破及應用創新,以此形成新一代視頻識別算法評測標準。

視頻中存在著大量的物體、場景等多維度內容信息,這些維度內容之間又存在著廣泛的語義聯系。近年來,隨著深度學習技術的發展,涌現出大量針對物體、場景、人臉、動作等維度的識別技術,在各自的目標維度上取得了明顯的進步。但是目前各視頻識別算法基本都是針對單一維度來設計的,無法利用各維度之間存在的豐富的語義關聯建立模型,提高識別準確度。當前也缺乏一個包含多維度標注的大規模視頻數據集來為多維度視頻識別算法研究提供訓練測試數據支持。

為了推動物體、場景等多維度視頻內容識別在人工智能與視頻產業中的應用,極鏈科技聯合復旦大學共同推出了大規模多維度標注視頻數據集VideoNet,并以此為基礎舉辦首屆“VideoNet視頻內容識別挑戰賽”。VideoNet包含逾9萬段視頻,總時長達4000余小時。VideoNet數據集對視頻進行了事件分類標注,并針對每個鏡頭的關鍵幀進行了場景和物體兩個維度的共同標注,充分體現了多維度內容之間的語義聯系。我們鼓勵參賽者利用視頻的時間維度特征和場景、物體、視頻類別等多維度之間的聯系開展算法設計。通過本次比賽,我們希望相關領域研究者積極參與到基于VideoNet的多維度視頻內容識別研究與挑戰中來,促進多維度智能識別技術在視頻產業中的發展和落地。

當前,人工智能市場需求日益增多,投資風口持續擴張,也為這一領域帶來了更多的希望。國家屢次推出對人工智能行業的大力扶持政策,技術型人才也在不斷增長。視頻內容識別已經成為了人工智能領域的重點發展方向,未來,也將有更多的技術型人才加入這個領域,共同打造可持續的AI科研新生態。極鏈科技誠邀全國各地的學者、人工智能從業者、學生、科研機構、創業團隊一起加入進來,驅動未來場景新經濟的高速發展。

比賽官網:http://challenge.ai.videojj.com