关于video++，jsrun，有道笔记等的感想

　　这几天一直在思考切入点。想了很多，有关于给初创企业提供社交平台营销的，如公众号，小程序，支付宝的到位，附近等。这些初看起来可行，细想起来有一些根本不完备。如通过微小宝多平台客户端了解最热的内容，在内容评论上推广，这是不可行的。当然微小宝还是给了我挺多启发的。它的多平台一键发布，资源库，热点凝聚等，最主要的是微小宝给的可行思路，就是提供平台，找专业的人产生专业的内容，进而达到它的文案、涨粉，接单的目的。这真的挺巧妙的。

　　然后今天又回到音视频这个方向。搜索人脸识别，偶然看到了video++，给了我极大的震撼。

　　video++的产品

• 　　videoOS，这是一个点播视频内应用的智能互动操作系统。它提出了在在视频内加入投票、红包等应用以及给视频加应用主题等等。以前在精绝古城电视里看到了有这样的推广，当时觉得很新奇，没有细想，今天看到videoOS实现了，震撼的无以言表。它实现了之前视频广告不一样的方式，互动效果不知要好好多倍。
• liveOS，在直播中加入互动。
• videoAI，这是我最感兴趣的。以前总想着人脸识别，视频分析，物体识别，logo，识别。只是见过有这样的技术，没想到videoAI居然给实现了。。。分析视频内容，这得有多大一块市场啊。

　　Video++AI 商用产品架构特点

　　算法部署插件化管理

目前人工实验室各个识别算法(明星识别、物体识别、品牌识别、场景识别等)已经进入产品化阶段,需要把实验室的研究推进到...工程化开发,我们通过docker将每个算法封装部署,使得每个算法都能单独更新快速迭代。同时我们也能通过这种方式更加方便扩展,随时增加算法类型。比如我们以后的商品识别、语音识别等,无论外部接入还是原创算法都能很好扩展.

灵眸分析算法调度及与前段应用解耦

在实际生产环境中,算法分析与应用是两套完全独立的系统。由于视频分析计算资源占用非常多,因此必须跟前端应用解藕。目前...的架构中有独立的调度系统,使用任务队列的方式使得算法部分独立于前端应用。所有分析任务从前端发出后都不是直接调用算法,而是通过调度系统从队列中去消费,启动相应的算法分析,最後由调度系统反馈到应用层。在后续开发中,调度系统不仅承担系统解藕的作用,还会加入监控、资源调配等模块,使得资源最大化利用.

灵眸视频分析与VideoOS视频互动平台的深度结合

灵眸视频智能分析平台能够输出视频的结构化数据,这些数据本身价值巨大,如何实现这些价值需要与OS的视频互动深度结合。灵...眸与OS的视频数据可以天然互通,无论是内部api方式或者数据库层面都能很好的支持。目前已经打通videoOS中的视频(即芒果、乐视等视频平台中的视频)与灵眸分析视频的关联,使得分析的视频数据能够直接应用到视频互动资源上,让投放更加精准和多样化,同时效率也更高。灵眸早期工程版本(仅有明星识别)中针对芒果节目的辅助运营已经证明,视频智能化分析能带来效率和投放效果的极大提升,随着os中应用数量不断增加,分析得到的数据也将有更丰富的输出形式.

样本管理系统和运营反馈机制

优质的训练样本对于提高识别精度非常重要,因此我们设立有专门的数据采集团队,负责训练样本采集、标注等工作,以保证样本...质量,同时提供样本的管理系统,方便录入、筛选和管理。除了样本的管理,灵眸还设立有运营反馈机制。运营人员会根据系统在运营中产生的实际识别结果进行抽样审核,及时反馈到算法团队,以便调整优化算法。有了及时的反馈机制,在大面积投入使用之后,随着反馈规模的扩大,将能够更快提高识别准确率.

这套架构内容还是挺多的，要好好吃透。

• videoData，对互动数据进行分析。

另外还了解到JSRUN，它是一个在线的js运行查看编辑工具，最让人称道的是它集合了很多js项目。还有有道云笔记。它们给我的思路是应用的嵌入的灵活性。以后做应用要有这方面的考虑，就是要提供给外部调用的好的方式。