作为一名老司机，我此刻理解了18世纪纺织工人看到蒸汽机时的心情

正文

请到「今天看啥」查看全文

创建一个大规模的标注视频数据集，需要解决两个关键性问题：

1. 视频标注的时间远远高于图像标注。（在人工标注的情况下）

2. 处理和存储视频的计算成本很高。

为了解决第一个问题，谷歌使用了 YouTube 及其视频标注系统（video annotation system）。该系统能为所有公开的 YouTube 视频快速确定相关性高的知识图谱主题。这些标注是由机器生成，整合了来自数百万位用户的强大用户参与信号（user engagement signals）以及视频元数据的内容分析。由此，标注的质量非常高，可以达到视频分析研究和制定标准的目的。

如何保证这个视频数据集的稳定性和高质量？ 谷歌使用了超过 1000 条评论的公众视频，而且创建了一个多样化的实体词汇集。这些内容都是可视化的，且出现频率很高。

从下图我们可以看出该数量集的规模及多样性：

数据浏览器在顶层垂直类别的视频分布

数据浏览器允许浏览和搜索整个知识图谱的实体词汇集，它们被分成了包含了对应视频的 24 个顶层的垂直类别。

一个标注了实体（Guitar）的数据集视频的子集。

请到「今天看啥」查看全文