· Joseph · AI & Machine Learning  · 3 min read

[Day 6] Google Video Intelligence AI - 1

今天的文章開始第二個AI產品Google Video AI。這是一套影片辨析的AI工具,跟Vision AI一樣你可以用AutoML Video Intelligence圖形化介面工具訓練,也可以使用Video Intelligence API幫助我們解析影片。

那我們就先來看他能解析什麼東西吧。先從Try這邊進去,去開始授權你的帳號。 try.jpg

接著選擇一部影片以後,讓他跑完每一秒,這邊我選Style Detection。 analysing.jpg

…跑跑跑…跑跑跑…這次學乖了早點跑。有趣的是我們不用等他跑完才看到結果,跑一陣子以後就能開始分析內容了,可以透過切換上方的Labels、Shots、Explicit Content看看每個分類底下的分析結果。

  • Labels: Labels.jpg 這邊給了整部影片一個sunglasses的Label,另外也有shot-level的資訊,因為不見得每個shot都有sunglasses。

  • Shots: shot-labels.jpg Shot-level就可以看到每個shot分析出來的資訊,有哪些Label、每個Label的可能性。有點像是每一秒拿去Vision AI一樣。

  • Explicit Content: Explicit-content.jpg 整部影片含有不雅的資訊的可能性,這邊偵測出非常不可能(VERY_UNLIKELY)是Pornography,不過仔細看也是會有幾個shot跳到UNLIKELY。

  • API API.jpg API的部分則是回傳這部影片分析的JSON檔案,可以看到包含Labels, Shots, Exlipicit Content的資訊都在裡面,搜尋sunglasses的話也可以找到多個內容(其中一個是整部影片的Labels,其他的則是shots裡的資訊)。

這邊就是Video Intelligence試玩的結果,也是今天這篇文章的結束。 明天來玩看看API的部分,希望一切順利。

Back to Blog

Related Posts

View All Posts »

[Day 9] Google Video Intelligence AI - 子系列最終章

這系列的最後,也是要來AutoML一下。AutoML Video Intelligence,簡單的理解它就是Video Intelligence AI的UI版本,可以在這邊啟用:Video Intelligence 這有Quick start,我們就照著它做看一次。 首先,我們先建立dataset。 create-dataset

[Day 8] Google Video Intelligence AI - 3

Google Video Intelligence AI API還有眾多的範例可以學習,今天再講兩個就結束這回合:Detecting shot changes、Recognizing text。 前情提要 我先從python code example找到一些範例的影片 - chicago.mp4: gs://cloud-ml-sandbox/video/chicago.mp4 - gbikes_dinosaur.mp4: gs://cloud-samples-data/video/gbikes_dinosaur.mp4 - googlework_short.mp4: gs://python-docs-samples-tests/video/googlework_short.mp4

[Day 7] Google Video Intelligence AI - 2

今天又是美好的開始,大家吃中秋烤肉了嗎? 這是這系列的第二篇文章,要來入門Video Intelligence API,這隻可以透過上傳影片,但實際上可以幹嘛呢?實際上包含下列幾個項目的偵測: Label Detection: 偵測狗、花、人物之類的物件 Shot Change Detection: 可以偵測場景轉換 Explicit Content Detection: 偵測是否包含成人資訊 Speech Transcription: 將影片裡的聲音轉成文字 Object Tracking: 物件追蹤並回報物件在影片裡的位置

[Day 30] Google AI & ML Products 系列總結

這系列文章出自於一個無窮無盡的bug的解題時間,想不到如何解bug、又想不出要寫什麼主題,參考完大家的方向以後,我發現這類型的文章很少、又很實用,才下定決心透過鐵人賽推廣 Google AI & ML Products。 在這次的挑戰裡,給了自己三個目標: 更熟悉docker 開始玩Golang 入門大部分的Google AI & ML Products 但也因為Google AI & ML Products太多了,所以把它分了很多子系列進行,現在再來回顧一下這次的內容。 前面先來個提醒,如果過程中你們有Deploy model做Online predict的,如果測完一定要記得刪掉,不然你deploy的model就會一直被收費喔。