全文5352字，预计浏览工夫14分钟

随着短视频的疾速倒退以及平安治理的需要一直增多，视频畛域的相干技术利用包含视频智能标签、智能教练、智能剪辑、智能平安治理、文本视频检索、视频精彩片段提取、视频智能封面正逐步成为人们生存中的重要局部。

以视频相干业务为例，短视频网站心愿能迅速给每个新作品打上标签并推送给适合的用户，剪辑人员心愿从较量视频中便捷地提取精彩较量片段集锦，教练员心愿系统分析运动员的动作并进行技术统计和剖析，平安治理部门也心愿能精准地进行视频内容审核比方实时辨认违规行为，编辑人员心愿通过文本检索相干的视频片段作为新闻素材，广告或举荐网站心愿为视频生成更加好看的封面晋升转化率。这些业务对传统的人工解决形式是很大的挑战。

视频了解是通过AI技术让机器了解视频内容，现在在短视频、举荐、搜寻、广告，平安治理等畛域有着宽泛的利用和钻研价值，像动作定位与辨认、视频打标签、文本视频检索、视频内容分析之类的工作都能够通过视频了解技术搞定。

PaddleVideo是百度自主研发的产业级深度学习开源开放平台飞桨的视频开发套件，蕴含视频畛域泛滥模型算法和产业案例，本次开源次要降级点如下：

• 公布10个视频畛域产业级利用案例，涵盖体育、互联网、医疗、媒体和平安等行业。
• 首次开源5个冠军/顶会/产业级算法，蕴含视频-文本学习、视频宰割、深度预计、视频-文本检索、动作辨认/视频分类等技术方向。
• 配套丰盛的文档和教程，更有直播课程和用户交换群，能够与百度资深研发工程师一起探讨交换。

一、十大视频场景化利用-工具详解

飞桨PaddleVideo基于体育行业中足球/篮球/乒乓球/花样滑冰等场景，开源出一套通用的体育类动作辨认框架；针对互联网和媒体场景开源了基于常识加强的大规模多模态分类打标签、智能剪辑和视频拆条等解决方案；针对平安、教育、医疗等场景开源了多种检测辨认案例。百度智能云联合飞桨深度学习技术也造成了一系列深度打磨的产业级多场景动作辨认、视频智能剖析和生产以及医疗剖析等解决方案。

1. 足球场景：

开源FootballAction精彩片段智能剪辑解决方案

FootballAction基于行为辨认PP-TSM模型、视频动作定位BMN模型和序列模型AttentionLSTM组合失去，不仅能精确辨认出动作的类型，而且能精确定位出该动作产生的起止工夫。目前能辨认的动作类别有8个，蕴含：背景、进球、角球、任意球、黄牌、红牌、换人、界外球。准确率超过90%。

2. 篮球场景：

开源BasketballAction精彩片段智能剪辑解决方案

篮球案例BasketballAction整体框架与FootballAction相似，共蕴含7个动作类别，别离为：背景、进球-三分球、进球-两分球、进球-扣篮、罚球、跳球。准确率超过90%。

3. 乒乓球场景：

开源大规模数据训练的动作分类模型

在百度Create 2021(百度AI开发者大会)上，PaddleVideo联结北京大学一起公布的乒乓球动作进行辨认模型，基于超过500G的较量视频构建了规范的训练数据集，标签涵盖发球、拉、摆短等8个大类动作。其中起止回合准确率达到了97%以上，动作辨认也达到了80%以上。

4. 花样滑冰动作辨认

应用姿势预计算法提取关节点数据，最初将关节点数据输出时空图卷积网络ST-GCN模型中进行动作分类，能够实现30种动作的分类。飞桨联结CCF（中国计算机学会）举办了花样滑冰动作辨认大赛，吸引了300家高校与200家企业超过3800人参赛，冠军计划比基线计划精度晋升了12个点，较量top3计划曾经开源。