编码服务正在迁移到云端
就像对于私有云和公有云的讨论没有终止的情况一样，选择私有或公有的编码服务都有自己的理由。对于弹性有强烈需求的公司更倾向选择公有编码服务，反之则更愿意选择私有编码服务。资深多媒体技术咨询师Jan Ozer通过采访了多家编码服务商，对这一行业进行了解读。
十年前，直播或视频点播（VOD）是运行在位于服务器机房或某一工作室角落的独立计算机上，然后通过局域网连接到其他编码器或控制器上的。今天，随着计算资源被整合到虚拟机、私有云或公共云的集群中，编码客户正在寻求新的部署选项以匹配这不断变化的计算架构，并且很多编码公司正在响应这些客户的需求。
为了解这一趋势的具体细节，我与全球大约有20家做编码的公司进行了接触，并与其中12家供应商进行了交流，这些供应商服务于广泛的直播和VOD编码市场。在一个层面上，我了解到，在许多市场中，无论大小，传统的&将编码器作为独立设备&的模式仍占主导地位。另一方面，我了解到所有供应商都在提供新的部署和许可模式，有些是为了响应客户的需求，有些则是为了&build it and they will come&的计划。
通过这些讨论得出以下结论。
市场正在发生变化，但速度不同
当然，并非所有公司都在虚拟化他们的计算基础架构，而且并不是所有的虚拟化技术都以同样的速度从传统的编码模式中过渡。例如，Elecard销售多种编码产品，包括实时编码器CodecWorks（用于在2017年FIFA的直播）和VOD编码器Converr Studio Pro。
根据产品经理Vm Blinov的说法，大多数CodecWorks用户将软件安装在一个本地计算机上，因为他们更关心性能，而可扩展性则通过更多刀片来实现高密度的硬件配置。相比之下，在使用Converter Studio Pro的时候，Elecard看到了对云版本的需求，目前正在开发中。Blinov在解释这些差异时表示，&许多客户希望访问云来管理他们的VOD需求。在实时编码中，我们没有看到相同的需求波动水平。&
同样地，Comprimato的实时转码器可以在任何带有的标准x64服务器设备上运行，也可以通过Docker在数据中心进行虚拟化（如图1）。虽然该公司正在试验云版本，但还尚未部署。根据首席执行官Jir& Matela的说法，&我们谈到的客户还没有准备好放弃本地控制设备上的旧模式。虽然他们在询问是否能够在云中运行或者将其用作服务，但他们似乎还没有准备好进行这种转变。&
Comprimato的实时转码器可以安装在服务器或虚拟机中。
Anevia的J&r&me Blanc描述了他公司的Genova 实时编码器的市场变化。&我们的传统市场是广播公司和电信公司。广播公司通常只拥有有限数量的直播电视服务，所以对设备和CapEx模型感到比较满意，因此没有看到虚拟化的好处。电信公司能提供更多渠道，可以使用设备，但2到3年前需要纯软件定价。有些人尝试过虚拟化，但发现了负面的性能影响，可能是因为它当时基于虚拟机。这个小组现在开始质疑OpEx而不是CapEx模型。
&自2018年初以来，我们看到了一种新型客户：OTT平台，他们希望聚合并向广播公司和电信公司提供实时编码和打包服务，&Blanc说。&他们在虚拟化的基础上构建他们的基础架构，使用容器来获得最高性能而不是虚拟机，并自己托管（他们管理的外部数据中心的本地或租用空间）或用信任的公共云来托管它（AWS，Azure）。他们需要弹性，因为他们无法预测他们必须处理多少直播电视服务。&根据Blanc的说法，这类客户也在推动OpEx模式，因为这是它为客户提供的服务。
在VOD领域，我采访了Capella Systems的首席执行官Ikuyo Yamada，该公司销售一款名为Cambria FTC的VOD程序，该程序在Windows上运行。正如Yamada所述，虽然Capella的大多数客户在传统的本地工作站上运行Cambria，但现在有大约30％的客户安装在虚拟机或云中，Capella支持浮动许可模式，允许客户激活和停用Cambria安装满足他们的全球需求。下一次更新还将为云添加负载平衡。
根据Yamada的说法，Capella并没有看到从CapEx转变为基于使用的模型的巨大压力。&我们的客户购买他们的编码器以满足相对固定的VOD处理需求，&她说。&在这些情况下，传统的许可模式比大多数基于使用的模型要便宜。&
另一方面是像Honic这样的公司，它扩展了其产品线以支持大多数可能的部署选项。虽然像Electra 9200这样的产品仍然作为设备出售，或者作为带有COTS硬件（如Electra X2或X2S）的软件出售，但它也可用于部署在虚拟机（Electra XVM）或容器中（Electra） Docker），甚至通过基于使用定价（VOS 360）的SaaS或可安装在客户的私有云或公共云（VOS SW Cluster）中的完整软件堆栈。硬件和软件产品以传统许可模式销售，而SaaS使公司能够以每次使用的价格访问相同的技术。所有产品都使用相同的编码技术。
云即将来临......
随着企业编码环境变得更像云，像Encoding.com和Bitmovin这样的传统云编码供应商正在为防火墙内的部署提供解决方案。Encoding.com首席执行官Gregg Heil 解释了为什么他的几个最大客户选择了这种方法。&你可以想象，我们的一些最大的媒体客户拥有他们想要使用的大量计算和存储投资，&他说。&但是，他们还希望能够根据需要弹性扩展，访问关键视频工作流程，并避免管理传统内部软件和硬件编码器的麻烦和成本。
&我们可以在任何数据中心运行Encoding.com服务。在客户数据中心运行我们的混合解决方案时，我们会更新所有引擎以确保解决方案始终处于最新状态，&他说。&与老式软件编码器不同，当处理完成后，客户可以无缝地将资源重新用于其他功能。&正如Heil所描述的，Encoding.com个别应用程序存在于容器中，由编排系统驱动，可以保留所有防火墙内部的内容，用于注重安全的客户。其他客户，他们不认为在云中进行编码是一种安全问题，当使用预填充计算资源时，他们可以快速地完成所有的编码工作。
同样，Bitmovin在客户的防火墙后面提供编码软件，具有公共云环境的溢出功能，可以提供与Encoding.com相同的许多优点（如图2）。根据Bitmovin解决方案副总裁Igor Oreper的说法，由于Bitmovin编码服务可以在客户自己的基础架构上运行，因此软件定价只是基于SaaS的服务的一小部分。Oreper还建议，Bitmovin内容处理服务的公共/私有云的本地特性允许其客户对最终交付的最有效的地方进行编码，并在考虑包括网络出口在内的总成本时最有效的成本。
Bitmovin在防火墙后面提供编码服务安装，并作为公共SaaS提供。
......另外On-Prem正在迁移到云端
大多数原始的云编码服务就是：处理媒体创建和部署的最后阶段的编码服务，加上编码和打包，但没有任何先行工作流，也没有后续的分发角色。随着云服务将其编码功能推向企业，传统编码供应商正在将其内部工作流系统的全部功能移植到云中。这允许客户将更多内部工作流程推送到云中。
Telestream Vantage 就是一个很好的例子。我采访了首席技术官Shawn Carnahan，他描述了客户如何访问公司的旗舰媒体处理程序Telestream Vantage。Carnahan表示，大多数客户仍然使用与传统Lightspeed服务器捆绑在一起的Vantage。但是，越来越多的人还在其内部计算中心部署纯软件版本，通常是在完整的虚拟机中。他还指出，Telestream正在支持基于使用定价的可扩展性需求，尽管它更接近于每日的定价，而不是产出分钟
最引人入胜的变化发生在基于SaaS的Telestream Cloud中，然而，在幕后，许多传统的基于Vantage的应用程序（如IMF内容创建和字幕）被移植到了用于Web操作的容器中（如图3）。这不仅简化了Carnahan相关的开发，它还能确保云输出与本地输出相同。
Telestream正在将许多Vantage的应用程序移植到基于云的部署的容器中。
通过这种方式，Vantage用户不仅可以将编码推送到云端，还可以将其他工作流程项目（如质量控制或标准转换）推送到云端，所有这些都按照每分钟SaaS收费。回顾过去，Carnahan表示云计算对编码市场的影响时间晚于它用于许多企业的计算功能，很可能是因为媒体文件的庞大规模，尽管这种势头肯定在加快了。&三年前，你必须提供云编码，以便你可以在RFP上查看它，&他说。&大约一年前，这转变为对综合云服务的实际需求，这是一个真正的挑战，无论是从技术角度还是从传统许可转换为SaaS。&
Elemental Technologies开始了销售高性能，独立的编码设备，并且是首批拥有可靠云服务的传统编码供应商之一，尽管其平台的服务模式旨在向用户提供像本地设备一样的设备，因此它需要终端用户的大量管理和监督。AWS Elemental现已归所有，它通过一套AWS Media Services应用程序完全&云化&其产品，这些应用程序由其他亚马逊服务和多个第三方合作伙伴提供支持，提供可在AWS基础架构内访问的质量控制和DRM等功能。SaaS运营和按需付费定价完成了转型（如图4）。
AWS Media Services以实施成本的一小部分提供了本地产品的大部分功能。
Telestream Vantage在预编码工作流程中增加价值的地方在于AWS Elemental Media Services专注于编码和分发，提供实时（MediaLive）和VOD编码（MediaConvert），打包（MediaPackage），存储（MediaStore）和货币化（MediaTlor）服务。其他服务支持这些服务，例如用于摄取的Amazon Kinesis Video Stre服务，Amazon CloudFront内容交付网络以及Amazon Rekognion视频和图像分析服务。这种定价模式允许新服务的成本只是传统定价模型的一小部分，这使我们得出最终结论。
对于敏捷性和规模，它是关于云的全部
正如我们之前看到的那样，拥有固定实时频道的公司似乎更喜欢本地编码，因为运营效率是至关重要的，而不是可扩展性。相比之下，在规模范围的两个极端，从初创到大规模，基于云的SaaS服务开始占据主导地位。
直到最近，启动OTT服务需要在硬件，软件和视频相关技术专业知识上进行大量投资，而且需要数月才能安装和运行。今天，多家供应商（包括我们已经提到的两家供应商，Harmonic的V 360和Elemental的AWS媒体服务）提供基于云的交钥匙系统，具有按需付费的定价，使OTT企业家能够快速实现运营。专注于他们最了解的内容和建立订阅者。
处于这种运营模式的公司将受益于观看两个案例的研究，Harmonic站点上的Supeoccer案例研究和AWS站点上的FuboTV案例研究。这些服务也适用于需要快速添加渠道或支持不经常发生的基于事件的制作的公司，因此不需要大量的资本支出投资。
另一家提供类似产品的公司是MediaKind（前身为爱立信媒体解决方案）。MediaKind首席技术专家 Tony Jones 指出，虽然云运营对初创公司和定期活动都有好处，但它也成为大规模运营的首选平台。&如果你有10,000个频道，你根本无法手动管理，你必须使用云技术来实现，&他说。&投资建立云环境，配置一个渠道，并为其他渠道进行分步和重复是值得的。&Jones还指出，云运营提供了比传统设备更高的运营效率，大大简化了维护，并且更加经济实惠。
虽然MediaKind的产品可以在私有云和公共云上运行，但Jones看到越来越多的公司转向公共云，主要是因为运行私有云所需的技术专业知识是广泛而动态的。毫不奇怪，Encoding.com的Heil是第一个在云上打赌的人，也有同感。
我问Heil，&安装自己的硬件以编码一致的需求是不是总是更便宜？&他表示同意，但有一点需要注意：&成本只是一个因素，而且客户拥有的数据中心和在云计算中的计算成本在继续下降，&他说。&对于很多人来说，计算已经是一个每个月都能获得报酬的实用程序 Netflix具有巨大的计算要求，并在AWS基础架构上运行大部分编码操作。随着OTT空间的要求变化如此之快，硬件或软件编码器的投资在成本可以完全摊销之前就已经过时了。最后，内容的位置也是决定是否构建内部编码场的关键。随着越来越多的公司将其内容存储库迁移到AWS S3，云中的编码变得轻而易举。&
除此之外，Telestream的Carnahan补充说，&你总是需要一些现场计算来进行繁重的编辑和制作，以及一个现场编码器，以便将视频带入云端，至少是现场的。除此之外，本地编码的商业案例显然正在逐渐消退。&最重要的是，如果我们在5年左右的时间里重新讨论这个话题，那么对于许多公司来说，on-prem编码器的概念很可能会被我们抛弃。
原文标题：编码服务正在步入云端
文章出处：【微信号：livevideostack，微信公众号：LiveVideoStack】欢迎添加关注！文章转载请注明出处。
发布评论请先
三菱PLC英文名又称：Mitsubishi Programmable Logic Controlle....
用于视频信号编码的编码器，依据接口不同分了SDI高清编码器、VGA高清编码器、HDMI高清编码器以及....
编码器指的是对视频信号进行压缩，解码器主要是将压缩的视频信号进行解压缩。目前做直播的很多都是采用的编....
编码器是意指＂数字化的量尺＂借着编码器的出现，使量测工具得以结合＂光＂＂电＂和逻辑来运算，极快的量测....
自动编码器是一种无监督的神经网络模型，它可以学习到输入数据的隐含特征，这称为编码(coding)，同....
编码器是将物理信号编制、转换为可以通讯、传输和存储的信号的一种设备。下面小编给大家介绍几种常见的编码....
编码器线数2500ppr是指增量编码器一周内，发出2500个脉冲，通过AB2相相差90的原理可以分频....
编码器的分辨率是指编码器轴转一圈所输出的位置数，比较常用的是增量式光电编码器，它的分辨率又称为线数，....
绝对值编码器，分辨率指的是把一圈360°等分成多少份。
伺服电机编码器的分辨率是可调控的，可以随着对信号的细分而改变，细分倍数越高，分辨率越小，但是细分倍数....
因为起步较晚、受外资品牌的挤压以及核心技术落后等原因，据了解，国产主流绝对值编码器还只是处于低于20....
注意减速箱可以实现编码器脉冲倍频（倍数为减速比i），因为编码盘多装在下面的直流电机上，所以经过减速箱....
编码器的分辨率越高说明电机的最小刻度就越小，那么电机旋转的角位移也就越小，控制的精度也就越高。
正交编码器（又名双通道增量式编码器），用于将线性移位转换为脉冲信号。
编码器（encoder）是将信号（如比特流）或数据进行编制、转换为可用以通讯、传输和存储的信号形式的....
高性能的闪存的开发和采购迅速增长成为了投资闪存的关键驱动因素。这其中包括任务关键型事务数据库、分析和....
V-CHARGE为解决第一个问题选用了OAuth 2.0通讯协议，OAuth2.0是OAuth协议的....
XPT_PUC指挥调度系统是在应急情况下通过一个通信平台联动不同制式的通信系统，从而统一调动不同职能....
电路原理 图IC1-4069中Y1、Y2组成一个频率为76KHZ的振荡器，经Y3-Y6隔离整形后，送....
& && & 使用光电旋转编码器有A、B两相。要达到的效果是：光电旋转编码器能够判定正反转，按键控制光电旋转...
在很长一段时间里，关于机器人的自主逻辑推算程序，各国的研究进程还是比较缓慢的。而从现实角度来说，拥有....
Dear TI工程师：
&&你好，请问c5535能够把编码器传过来的录音文件一般保存的是什么格式，怎么配置能够将录音文件格...
1.1服务器环境规划
负载服务器master及WEB服务器1真实IP：10.10.1....
proxy_intercept_errors
当上游服务器响应头回来后，可以根据响应状态码的值进....
导致内核协议栈发送了一个rst报文，而rst报文选取seq的时候，并不是选取的确定已经发送的seq，....
现在你可以开始用Arm aarch64的服务器来做CI了，使用方法跟正常的Shippable CI的....
每次串行数据速率提高，其都会暴露出掩盖在低速下的问题。许多这些问题是因为PCB走线、过孔和连接器中发....
数以千计的电信运营商的边缘机房，条件和环境都可以形容为“有限”，甚至“恶劣”.
sync 做同步，将所有未写的系统缓冲区写到磁盘中，以确保文件系统的完整性，否则在释放缓存的过程中，....
它是基于另一个基于注意力的卷积TTS模型——Deep Voice 3创建的。Deep Voice 3....
这只是一个控制直流无刷电机的快速文章，没有编码器。本文适用于通常使用霍尔传感器进行换向的无刷电机。这篇文章不适用于通常以...
我们进行了一个交互式网络实验，让你能与一个名为 sketch-rnn 的循环神经网络模型一起绘制作品....
& && &我们想使用TMS320DM8148芯片来作一款音视频编码器，要求如下：
& &&nbs...
摘要： 在观察到用户需要访问到用户自定义的VPC网络下的产品，像RDS、ECS等云资源的时候，函数计....
对于生成器，我们测试了两种流行的结构。首先我们测试了 9-Blocks ResNet 结构的生成器，....
数据量以每两年翻一番的速度增加，数据类型和数据源也在不断增加，这是银行和保险公司如今面临的局面。传统....
LPC1788的UDP通信没有问题，可以ping成功，正常收发数据，但是下载了咱们论坛里的悍马版LPC1788的TCP服务器程序，就...
本文来自沪江技术中心开发经理杨福强在LiveVideoStackCon2017上的分享，由LiveV....
在我们讨论 WebRTC API 未来的变化之前，我们应该考虑它的实际应用。当我们在2011年构建 ....
据介绍，工信部对全国30多家大型企业130多种关键基础材料调研结果显示，32%的关键材料在中国仍为空....
Referer是HTTP协议中request header的一部分，当浏览器向web服务器发送请求的....
在我的经验中，CMDB建设还是有非常多的坑。如果你把iTop或者oneCMDB的产品当着标杆（都是开....
香港TM机房，全10G的网络覆盖中国电信(CT/CN2)，中国联通和中移动,还有PCCW, Telia, Pacnet, Telstra 等等，一 等...
现实世界中很多文档都具有超链接的结构。例如，维基页面（普通网页）之间通过URL互相指向，学术论文之间....
雪人计划是什么？雪人计划真相是什么？难道真的美国能随时一键关停中国互联网？在前段时间美国制裁中兴的时....
对于语音，我们使用了公开的LibriSpeech数据集中100小时的子数据集。虽然数据集不提供原始文....
Sarah Guo是Greylock Partners的合伙人，她在早期阶段对公司进行了投资，她认为....
& && && && && && && && && &&nb...
在现场拍摄方面，Docomo的系统由五个4K鱼眼镜头输出以30fps实时拼接在一起的设备组成，同时采....
高速计数与普通计数器最大的区别在于计数频率高，根本原因是因为其原理有着本质上的区别。普通计数器是通过....
Intel将在今年晚些时候推出下一代Xeon至强服务器平台，代号“Cascade Lake”，仍然是....
报告指出，中国暴露严重的主要原因在于缺乏加密服务，这使被动的监控和针对不安全明文协议的主动攻击成为可....
高通QDT部门表示QDT的技术副总裁Dileep Bhandarkar也已经离职，Dileep是高通....
各类plc的输入电路大致相同，通常有三种类型。一种是直流12～24V输入，另一类是交流100～120....
橡树岭国家实验称，“顶点”将为能源、先进材料、人工智能等领域的研究提供前所未有的运算能力，并列举天体....
一直以来Socionext持续耕耘于视频处理应用领域，提供各种尖端视频解决方案，其中包括业界最强大的....
本文通过实验论证：Unixbench的Pipe-based Context Switching用例受....
[tr][td] 最近在项目上，用到鼠标上用的编码器，按照厂家给的编程方法，发现容易产生误判，故而自己用外部中断的方式来...
车轮位置的确定是在制作小车的过程中必不可少的部件，好在STM32中包含了硬件的编码器。但使用的过程中却存在诸多不方便。下面...
[tr][td] 如题&&编码器 stm32 正交编码模式 pid
单片机源程序（主程序）如下:
#include "led.h"#inc...
供应链服务
版权所有 (C) 深圳华强聚丰电子科技有限公司
电信与信息服务业务经营许可证：粤B2-203 条评论分享收藏感谢收起赞同 44 条评论分享收藏感谢收起企业云服务独角兽释放AI新技能，解密七牛云的人工智能进化论
谷歌工程部总监兼知名科学家雷蒙德&库茨魏尔曾说过&人工智能将在2029年左右达到人类智力的水平。再进一步，比如说，到2045年，我们将会把智能技术，人类文明所创造的生物机器智能的能力扩大10亿倍。&...
& & & & 谷歌工程部总监兼知名科学家雷蒙德·库茨魏尔曾说过“人工智能将在2029年左右达到人类智力的水平。再进一步，比如说，到2045年，我们将会把智能技术，人类文明所创造的生物机器智能的能力扩大10亿倍。”　　人工智能近几年发展火热，或许你不了解它的具体原理，但几乎人人都听说过它。其实，人工智能发展至今已经有60多年的历史，早在上世纪四五十年代，数学家和计算机工程师就已经开始探讨机器模拟智能的可能。1950年，艾伦·麦席森·图灵在他的论文《计算机器与智能》中提出了著名的图灵测试。在图灵测试中，一位人类测试员会通过文字与密室里的一台机器和一个人自由对话。如果测试员无法分辨与之对话的两个实体哪个是人哪个是机器人，则参与对话的机器就被认为通过测试。虽然图灵测试的科学性受到过质疑，但这对人工智能的发展产生了深远的影响。　　　　「All in AI」时代下，用人工智能打通未来隧道　　人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能作为计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能自诞生以来，理论和技术日益成熟，应用领域也在不断的扩大。总的来说，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。　　在2016年和2017年阿尔法狗(AlphaGo)与阿尔法元(AlphaGoZero)以无可争辩的能力战胜了李世乭、柯洁等人类围棋高手而名噪一时。早在IBM的深蓝程序1997年在国际象棋棋盘上曾击败世界冠军GarryKasparov，类似的人类精英不敌人工智能的案例还有很多，去年1月，卡耐基梅隆大学(CMU)开发的AI程序Libratus击败了全球四大顶级德州扑克玩家。近日更有消息称AI与AI之间已经学会了如何团队合作，它们开始组队打DOTA2，而且还打赢了人类。在无人驾驶领域，人工智能也在大显身手;图像识别、语音识别技术的日益成熟也给我们的生活带来了极大的便利。　　近几年，深度学习(DeepLearning)更是逐渐成为人工智能领域中炙手可热的“香饽饽”，其本身是神经网络算法的衍生，在图像，语音等富媒体的分类和识别上取得了巨大的成功，使机器学习能够实现众多的应用，拓展了人工智能的领域范围。　　早在2012年6月，谷歌研究人员Jeff Dean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练一个由16000个电脑处理器组成的庞大神经网络。在没有给出任何识别信息的情况下，人工智能通过深度学习算法准确的从中识别出了猫科动物的照片。作为人工智能深度学习的首次案例，它意味着人工智能开始有了一定程度的“思考”能力。　　而在今年6月的AWS上海站的技术峰会上，亚马逊最新发表了他们的人工智能版图。其主要由应用、平台、框架三大部分组成，在AI应用层，能够提供基于深度学习的图像和视频分析等;在AI平台层，能够实现对象检测、面孔识别和人员跟踪等AI功能;在AI框架层，AWS基于多样的深度学习框架，构建Amazon SageMaker平台，能够实现Amazon各种人工智能应用服务，也在意味着深度学习在人工智能的版图上又迈进一步。　　伴随着深度学习应用的普及，很多应用场景为我们的生活带来了便利。当你乘坐高铁回家，只需刷脸便可进站，再也不用人挤人排长队;当你去银行办理业务时，只需要用机器扫描身份证，信息便已经在表单上填写完成，大大缩短了业务办理时间同时提高了银行办事效率和安全性;当有儿童、老人走失时，道路上的视频监控会被进行人脸分析，而这正与警方数据库相连，帮助警方找寻走失儿童、老人，还可识别在逃罪犯等，在这一切的背后都有AI在为你勤奋的工作着。　　人工智能研发浪潮下高手如云，七牛云的人工智能实践之路　　人工智能技术在近几年的迅猛发展，对于七牛云来说是一个难得的契机。作为国内领先的以视频和图片处理见长的云服务厂商，同时，视觉又是人工智能提升最大的人类感知领域，因此，七牛云人工智能实验室AtLab创立之初就将计算机视觉作为研究的首选。虽说七牛云人工智能实验室AtLab成立仅两年，却成长飞快，当下已拥有超过100人的研发团队。AtLab发起人彭垚在深度学习算法和富媒体大数据分析领域有着超过十年的产品研发经验，在美国、法国发表数篇专业领域发明专利。　　对于内容产业来说，机器学习算法的极高分发效率为其打开了一扇全新的大门，这让信息流、短视频等发展如火如荼。但当海量内容出现，内容上的不可控已经成为内容产业当前最大的问题。针对这种现状，不一定非要靠成千上万的人工来做。作为一家致力于机器视觉研究的云服务公司，对此，彭垚表示：“七牛云计算机视觉产品的目标，就是打造一套能够完整支撑、充分理解视频内容的产品体系。”　　基于此理念，七牛云AI Video OS应运而生。据彭垚介绍，七牛云AI Video OS包含三个层次，第一层为DORA智能多媒体API平台，能够提供丰富的基于海量数据深度学习算法的计算机视觉服务;第二层为深度学习平台，是一个端到端的人工智能深度学习平台，可以高效输入算法模型，服务于算法工程师;第三层为上述两层的积淀，最后积累成富媒体行业的知识库，可以对处理过的视频和图片数据进行结构化。这三层是一个非常完整的闭环系统，更是一个互补的过程。　　　　七牛云人工智能实验室核心创新体系　　当婴儿刚刚出生的时候，最先能够认出的就是他的父母的脸。目前，机器已经能够像人类一样，能够在场景中找到脸的位置，并识别出这张脸是否属于某个熟悉的人。在这里不得不提一下DORA智能多媒体API平台，支持每日数百亿次的图片、音视频基础处理请求，更提供丰富的基于海量数据深度学习算法的计算机视觉服务，包括内容审核(色情内容识别、暴恐识别)、通用场景识别(360+类)、通用物体识别(200+类)、OCR识别、燃气电表识别、人脸识别等。七牛云智能多媒体API的优秀属性使它能够灵活应对各种不同处理的组合，满足用户多样化的产品需求，而日均能够处理百亿级文件的智能多媒体API在实际使用中获得了用户的广泛认可。　　　　DORA智能多媒体API平台　　“与传统的模型发布流程相比，七牛云的深度学习平台可以节省80%的人力成本，缩短50%的实现周期。”彭垚如是说。深度学习平台AVA，是一个端到端的人工智能深度学习平台，可以将复杂的富媒体数据传输至平台的人工智能神经网络中进行分析和处理，专注为计算机视觉领域提供一套完整的数据集和模型生产工具链。其中包括了每日撰写迭代训练脚本;新数据的增删和管理;增量学习和迭代学习;搭建半监督打标系统;模型的比较和融合等。基于此架构，七牛云弹性深度学习平台能大量减少标注人员的工作，短期内提升模型的能力。　　　　七牛云深度学习平台AVA　　在智能多媒体API平台提供服务，深度学习平台迭代算法之外，七牛云还搭建了大数据富媒体知识库，用于沉淀所有学习的东西。“大数据富媒体知识库主要分为三个模块：1、视频结构化，可以对处理过的视频和图片数据进行结构化，把较大的图片和视频变成随时可被提取的小组件;2、知识图谱，通过关联知识图谱中的政治人物，能够快速将对应的人物导进视频中;3、大数据检索，与传统主要针对文本内容的检索系统不同的是，七牛云的产品涉及人物特征、图像特征、视频特征等，特征上会有更复杂的系统结构。而七牛云大数据检索系统不仅支持普通的全文检索，还可在富媒体数据，包括视觉特征基础上做出检索。“彭垚说道。　　实力与口碑并存：强者愈强，争做人工智能领域领跑者　　作为一家技术型互联网公司，七牛云一直都有着一个非常明确的使命，就是缩短想法到成功产品的距离。此前，七牛云的人工智能实验室就曾提出了AI创新服务计划，主要是根据客户各种各样的定制化需求，如识别生产线问题、识别快递订单等识别任务，七牛云有一套独立的创新定制化体系来满足需求，以更好的帮助各行业解决产品落地中的一些困难。　　在自身业务不断发展壮大外，七牛云人工智能实验室AtLab也在深耕于一些重点应用，据彭垚介绍团队接下来将主要聚焦于内容审核、城市之眼、媒资智能三方面，具体如：　　1、内容审核，主要包括色情内容识别，暴力恐怖物品和场景的识别，敏感人物和敏感图片的识别。在此基础之上，提供图片内容的通用物品和场景识别。　　2、城市之眼智能监控，主要是利用人工智能机器视觉技术，对“人、物、场景”进行快速高效的“检测、识别与行为分析”，如人脸识别、车辆识别，在城市治理方面，如人群的密集程度、人群走向等，满足用户在“身份核验”、“智能安防”、“大规模图片视频检索”等方面的场景化需求。　　　　七牛云城市大脑智慧交通　　3、媒资智能，在与广电行业伙伴的合作过程中，七牛云在智能媒资领域有着丰富的实战经验。在鉴黄、鉴恐等内容审核服务中能够为图片UGC应用和网站省去大量的人工审核成本，规避违规风险;配合内容去挖掘更进一步的智能媒资智能管理能力。　　依靠自身强大的技术优势和良好口碑，七牛云现已在广电、金融、传媒、安防等多行业落地，客户更是涵盖熊猫直播、淡蓝、新华社、中央人民广播电台、北京网信办等数千家互联网企业和政企机构。七牛云人工智能团队在竞争激烈的市场中做到脱颖而出，在彭垚看来，“普通的计算机视觉公司只是通过传统的软件、硬件形式将最新的技术服务于客户，而七牛云凭借多年来在云存储上积累的优势，拥有与AI密切相关的整套产品，如云存储、直播、音视频等，而这些产品结合AI的能力就能够形成一整套的AI服务体系，让七牛云在人工智能领域走出了一条新路。”　　一直深扎于技术研究的七牛云人工智能实验室AtLab，在国际上的各大计算机视觉挑战赛中也在逐渐崭露头角。早在ACMMultimedia大规模视频分类挑战赛(LSVC2017)中七牛云人工智能实验室AtLab荣获大赛亚军，计算机视觉能力便受到了国际的认可。今年6月17日，在计算机视觉和模式识别领域的顶级会议—CVPR2018中，由MIT-IBMWatson人工智能实验室主持的MomentsinTime挑战赛中的FullTrack挑战赛，七牛云人工智能团队更是凭借超高准确率获得了优异成绩。　　更令人惊叹的是，七牛云深度学习平台AVA在7天之内针对全新数据集完成了算法改进、模型训练迭代，完成了其他参赛队伍耗时近60天的训练任务，以明显优势超越了IBM、CMU等世界一流计算机视觉研究团队，取得了大赛季军的优异成绩。　　　　七牛云在FullTrack挑战赛中获得大赛季军　　打造CV学术创新计划，引领人工智能领域学术及产业发展　　眼下在大学新生报考专业中，除了传统专业比如传媒类、金融类、医学类备受关注，不少高校还带着刚开设的新潮专业招生，像广西大学就带来了新增的“智能与技术”专业，主要研究方向就是。而七牛云人工智能实验室自诞生至今，也在一直积极与各高校进行合作互助，先后与复旦大学、浙江大学等国内顶尖学府建立联合实验室。　　为了让更多的师生使用AVA深度学习平台，七牛云推出了计算机视觉(CV)学术创新计划，免费向所有高校师生开放申请，该计划包含免费的数据图床存储空间、计算机视觉主流公开数据集、自主标注的多领域数据，免费的数据集存储，以及整套的深度学习平台。为研究者提供数据标注、预处理、训练、在线上线labAPI的完整能力。对此，彭垚表示：“七牛云希望能够成为学术的发动机，推动人工智能的学术及产业的发展。更希望能够通过CV学术创新计划，构建开放的平台能够与更多的计算机视觉科研的伙伴进行合作，为计算机视觉创新而共同奋斗。”
您可能感兴趣的文章}