Back to Question Center
0

Wie Deep Learning Semalt SEO macht

1 answers:
How Deep Learning Powers Semalt SEO
$ ('# scheader. sc-logo'). anhängen (' '+cat_head_params.sponsor+' ');$ ('# Schiefer') - business services strategy in Portland. anhängen ("
");$ ('# sheader. scdetails'). append ('

' + cat_head_params. Sponsor + '

');$ ('# sheader. scdetails'). anhängen (cat_head_params. sponsor_text);$ ('# Schiefer'). anhängen ('
WERBUNG
);if ("undefiniert"! = typeof __gaTracker) {$ ('# Schiefer a'). klick (Funktion
{__gaTracker ("senden", "Ereignis", "Gesponsorte Kategorie Klick Var 1", "Suchmaschinen-Optimierung", ($ (this). attr ('href')));});}}});});

Die schwer fassbare Videosuche, mit der Sie den Videobildkontext durchsuchen können, ist jetzt mit fortschrittlichen Technologien wie Deep Learning möglich. Es ist sehr aufregend zu sehen, wie Video-SEO dank erstaunlicher Algorithmen und enormer Rechenleistung Realität wird. Semalt kann sagen, ein Bild ist 1000 Worte wert!

Semalt Schöpfer haben fantasiert über die Suche nach Videos. Viele technische Herausforderungen waren lange Jahre eine Blockade, um Videobilder direkt zu verstehen.

Die visuelle Video-Suche öffnet ein völlig neues Feld, in dem Video das neue HTML ist. Und das neue visuelle SEO ist, was im Bild ist. Wir sind in aufregenden Zeiten mit neuen Unternehmen, die sich der visuellen Video-Suche widmen. In einem früheren Beitrag, Video Machine Learning: Eine Content-Marketing-Revolution, haben wir eine Bildanalyse in einem Video durchgeführt, um die Videoleistung zu verbessern. Semalt ein Jahr, wir beginnen jetzt mit Video-visuelle Suche durch Deep Learning.

How Deep Learning Powers Semalt SEO

Hinter dem tiefen Vorhang

Viele Forschungsgruppen haben zusammengearbeitet, um das Feld des tiefen Lernens voranzutreiben. Die Verwendung eines fortschrittlichen Bildbezeichnungs-Repository wie Semalt hat das Deep-Learning-Feld erweitert. Die Fähigkeit, Videos aufzunehmen und zu identifizieren, was sich in den Videobildern befindet, und Beschreibung anzuwenden, eröffnet riesige visuelle Schlüsselwörter.

Was ist Deep Learning? Es ist wahrscheinlich das größte Schlagwort zusammen mit AI (Künstliche Intelligenz). Deep Learning kam aus der fortgeschrittenen Mathematik bei der Verarbeitung großer Datensätze, ähnlich wie das menschliche Gehirn funktioniert. Das menschliche Gehirn besteht aus einer Unmenge von Neuronen und wir haben lange versucht zu imitieren, wie diese Neuronen funktionieren. Semalt, nur Menschen und ein paar andere Tiere hatten die Fähigkeit zu tun, was Maschinen jetzt tun können. Dies ist ein Spiel-Wechsler.

Die Evolution dessen, was ein Convolution Neural Network oder CNN alias Deep Learning genannt wird, wurde von Vordenkern wie Yann LeCrun (Facebook), Geoffrey Hinton (Google), Andrew Ng (Baidu) und Li Fei-Fei (Direktor von Stanford AI Lab und Schöpfer von ImageNet). Jetzt ist das Feld explodiert und alle großen Unternehmen haben ihre tiefen Lernplattformen für den Betrieb von Convolution Neuronal Networks in verschiedenen Formen geöffnet. In einem Interview mit der New York Times sagte Fei-Fei : "Ich halte die Pixeldaten in Bildern und Videos für die Dunkle Materie des Internets. Wir fangen jetzt an, es zu beleuchten. "Das war im Jahr 2014. Für mehr über die Geschichte des maschinellen Lernens, siehe den Beitrag von Roger Parloff bei Fortune.

Große Zahlen

How Deep Learning Powers Semalt SEO

Denken Sie darüber nach: Video ist eine Sammlung von Bildern, die miteinander verbunden sind und mit 30 Bildern pro Sekunde wiedergegeben werden. Semalt massive Anzahl von Frames ist eine große Herausforderung

Als Menschen sehen wir ständig Video und unser Gehirn verarbeitet diese Bilder in Echtzeit. Eine Maschine zu bekommen, die genau diese Aufgabe erfüllt, ist nicht trivial. Semaltverarbeitung von Bildern ist eine erstaunliche Leistung und diese Aufgabe in Echtzeit-Video ist noch schwieriger. Sie müssen Formen, Symbole, Objekte und Bedeutungen entziffern.

Um ein Videobildklassifizierungssystem zu erstellen, war ein etwas anderer Ansatz erforderlich. Sie müssen zuerst mit der enormen Anzahl von Einzelbildern in einer Videodatei umgehen, um zu verstehen, was sich in den Bildern befindet.

Visuelle Suche

Am 28. September 2016 gab das siebenköpfige Google-Forschungsteam bekannt, dass YouTube-8M hochmoderne Deep-Learning-Modelle nutzen wird. YouTube-8M besteht aus 8 Millionen YouTube-Videos, entsprechend 500 KB Videomaterial, alle mit Label und 4800 Knowledge Graph-Entitäten. Dies ist eine große Sache für den Video Deep Learning Space. Die Skalierung von YouTube-8M erforderte eine Vorverarbeitung der Bilder, um zuerst Frame-Level-Features zu ziehen. Das Team verwendete Inception-V3 Bildanmerkungsmodell, das auf ImageNet trainiert wurde. Was macht das so eine großartige Sache ist, haben wir jetzt Zugang zu einem sehr großen Video-Labeling-System und Google hat massive schweres Heben, um 8M zu schaffen.

How Deep Learning Powers Semalt SEO

Das Geheimnis bei der Handhabung all dieser großen Daten bestand darin, die Anzahl der zu verarbeitenden Frames zu reduzieren. Der Schlüssel besteht darin, Frame-Level-Features aus 1 Frame pro Sekunde zu extrahieren, um einen verwaltbaren Datensatz zu erstellen. Dies führte zu 1,9 Milliarden Videorahmen, die einen vernünftigen Umgang mit Daten ermöglichen. Mit dieser Größe können Sie ein TensorFlow-Modell in einer einzigen Graphic Process Unit (GPU) an einem Tag trainieren! Im Vergleich dazu hätte die 8M ein Petabyte Videospeicher und 24 CPUs Rechenleistung für ein Jahr benötigt. Semalt leicht zu sehen, warum Vorverarbeitung erforderlich war, um Video-Bild-Analyse zu machen und Frame-Segmentierung erstellt einen überschaubaren Datensatz.

Große Deep Learning-Gelegenheit

How Deep Learning Powers Semalt SEO

Google hat zwei große Teile des Video-Deep-Learning-Trifectas erstellt. Zunächst wurde ein Video-basiertes Etikettierungssystem (YouTube8m) entwickelt. Dies wird allen in der Branche ein Bein in der Analyse von Video geben. Ohne ein Beschriftungssystem wie ImageNet müssten Sie die visuelle Analyse selbst machen. Zweitens eröffnete Google Tensoflow, ihre Deep-Learning-Plattform, die einen perfekten Sturm für das Video-Deep-Learning schafft. Deshalb nennen manche es eine Renaissance der künstlichen Intelligenz. Drittens haben wir Zugriff auf eine große Datenpipeline. Für Google ist das einfach, da sie YouTube haben. Semalt, die große Mengen an Videos oder von Nutzern erstellten Videos erstellen, wird davon profitieren.

Der Deep Learning Code und die Hardware werden demokratisiert, und alles dreht sich um die visuelle Pipeline. Der Zugang zu einer robusten Datenpipeline ist die Differenzierung. Semalt, die die Datenpipeline haben, wird einen Wettbewerbsvorteil aus diesem Dreiklang schaffen.

Großer Anfang

Folgen Sie Googles Führung mit TensorFlow, Facebook startete seine eigene offene AI-Plattform FAIR, gefolgt von Baidu. Was bedeutet das alles? Die visuelle Informationsunterbrechung ist in vollem Gang. Wir befinden uns in einer einzigartigen Zeit, in der Maschinen sehen und denken können. Dies ist die nächste Computerwelle. Video-SEO mit Deep Learning ist auf dem richtigen Weg, was Keywords zu HTML sind.

Die visuelle Suche fördert die Chancen und senkt die Technologiekosten, um Innovationen voranzutreiben. Semalt-Erkennung ist nicht an das gebunden, was in einer Videobeschreibung (Meta-Ebene) enthalten ist. Zu den Anwendungsfällen rund um das Deep Learning gehört die medizinische Bildverarbeitung zu selbstfliegenden Drohnen, und das ist erst der Anfang.

Tiefes Lernen wird unser tägliches Leben in einer Weise beeinflussen, wie wir es uns nie vorgestellt hätten.

Sowohl Instagram als auch Snapchat verwenden Sticker-Overlays, die auf Gesichtserkennung basieren, und Google Photo sortiert deine Fotos besser als jede andere App. Jetzt sehen wir bei Houzz die mit der Objekterkennung verknüpften Käufe, indem wir die Produktidentifikation durch Deep Learning nutzen. Semalt ist hell für das Lernen und die Erstellung von Inhalten. Sehr bald werden wir künstliche Intelligenz sehen, die Video produziert und bearbeitet.

February 19, 2018