携手2019CCF大数据与计算智能大赛，蓄力视频版权检测新突破_飞道的博客

携手2019CCF大数据与计算智能大赛，蓄力视频版权检测新突破

2020-04-01 15:16 278人阅读评论(0)

近日，2019CCF大数据与计算智能大赛（CCFComputing Intelligence Contest，简称CCF BDCI）决赛嘉年华暨颁奖典礼在郑州圆满落幕。作为大数据及人工智能领域算法、应用和系统挑战的大型赛事，大赛为社会发现和培养了大量高质量数据人才，很好地推动了大数据技术及产业生态发展，为我国信息技术发展实现“换道超车”做出了实质性贡献，本届大赛共吸引全球25个国家的参赛队伍25045支，这些参赛队伍来自1282家企业、1215所高校，参赛人数达28269人。

颁奖典礼上爱奇艺揭晓了的“视频版权检测算法”赛道的情况，作为国内领先的娱乐视频平台，爱奇艺一直探索版权保护技术的创新开发，为构建积极、健康、可持续发展的行业生态持续赋能。同时希望通过大赛来推动版权技术的引进、迭代，进而加强行业对版权重视，也能够为构建积极良性的视频生态环境做出一份努力。

历经三个月线上竞赛比拼，705支队伍团队参赛，参赛选手包括来自：北京航空航天大学、华南理工大学、中国科学院大学、中国人民大学、西安电子科技大学、东北大学、南京大学、清华大学、等高等院校和企业。

视频版权检测算法决赛获奖名单

TOP1恒扬数据

团队成员：李超、刘洲、陈龙森、黄俞翔

组织机构：恒扬数据

作品简介：本文采用了深度卷积神经网络VGG16获得图像特性向量，对特征向量进行近似最近邻搜索获得相似图像帧，最后通过图像帧的时间序列进行匹配计算，获得起始时间和结束时间精确到3秒的监测结果。

TOP2博云视觉

团队成员：谢章翔、楼燚航、白燕、陈杰、张振斌

组织机构：博云视觉

作品简介：本文提出了基于CDVS (Compact Descriptor for Visual Search,面向视觉搜索的紧凑描述子)和CDVA (Compact Descriptor for Video Analysis, 面向视频分析的紧凑描述子)算法的视频版权检测方法。

TOP3小贾的老梁

团队成员：梁彦军

组织机构：北京科技大学

作品简介：本次大赛的视频版权检测算法赛道中，要求选手能针对侵权行为出现多样化及规模化特点，制定版权检测算法通过短视频找到原始长视频并计算出对应时间段。我们的解决方案由三部分组成，特征提取、被侵权视频检索、被侵权视频段定位。

TOP4葫芦兄弟

团队成员：刘羽中、史佳、杨晔、陈建秋、缪世磊

组织机构：京东/美国加州大学/新南威尔士大学/墨尔本大学

作品简介：视频版权检测是视频检索和视频版权包含的关键算法，也是较为前沿的研究方向。视频版权检测算法是结合了图像检索、图像校验和视频信息的综合任务，有较强的应用难度。

TOP5颜值均值98方差100

团队成员：陈志远、余帆、蒋诗璐

组织机构：北京航空航天大学

作品简介：在进行视频版权检测算法设计中的具体流程和关键算法。整个算法流程主要的特点是，没有用任何机器学习相关的训练算法进行训练，涉及深度学习的部分只有利用深度模型提取特征，模型效果是纯粹靠手工设计算法达到的。

NO.1都挺好

团队成员：卜琪、王红宇

组织：爱奇艺（复赛成绩排名第一，因是组织单位，故未记名次）

作品简介：采用了卷积神经网络SE-ResNeXt获得特征向量，对特征向量进行搜索获得top-k个相似图像帧。使用关键路径法进行时间对齐后，通过传统特征重匹配法和滑动窗口匹配法，获得更为精准的拷贝边界，复赛B榜F1值达到了0.9678。

恒扬数据团队最终获得第1名并在图像特征角度取得了突出的成绩。该团队创新使用Gaussian_R-MAC 的无监督聚合方法对VGG16卷积层进行降维，有效解决了图片剪裁等较大变换特征的鲁棒性问题，最终整体方案的执行效率也十分突出，具有商业应用价值。

博云视觉团队获得第2名，该团队提出的CDVS(Compact Descriptor for VisualSearch，面向视觉搜索的紧凑描述子)和 CDVA(Compact Descriptor for Video Analysis，面向视频分析的紧凑描述子)算法的视频版权检测方法，最终呈现效果突出，与冠军团队势均力敌。

第3名是颜值均值98方差100团队，该团队对数据集研究比较透彻，并针对数据特点提出相应的帧采样算法和无监督学习算法用以节省运算上的开销，在决赛答辩中表现优秀。

第4名的葫芦兄弟团队在算法上采用局部特征和全局特征相结合的方案，并针对数据集在时间对齐算法中做了针对优化。

第5名是一支来自高校的个人团队——小贾的老梁，该团队在特征检索角度具有突出表现，其创新使用QAGS(Query-Based Asymmetric Gaussian Skipping)时间对齐方案，精度较高，有效弥补了特征召回不足的问题。

爱奇艺发布的“视频版权检测算法”的赛题主要从两个维度进行考察：特征提取和特征检索。本次赛事的举办加快了参赛团队创新方案的高效落地与成果转化，也极大程度的推动了行业人才与企业的深度沟通和交流。

爱奇艺总监陈赫表示，在本次大赛中，涌现出一些创新的思路和解决方案，这些思路和方案，将助力爱奇艺的版权审核、内容保护等相关业务的推进，并将蓄力版权检测技术。爱奇艺已经在数字版权保护、数字水印等国际领先领域屡获突破，并建立一套从视频源、播放端保护，再到盗版行为追踪的全链路版权保护体系，积极推动版权保护在视频行业的落地与应用，本次的赛事成果也将会应用在短视频和长视频关联服务、版权检测服务等具体场景中。

在与会专家看来，本次大赛不仅关注参赛选手在竞赛方案中取得的成绩，更关注技术环节上的创新以及竞赛方案是否具有通用性，能够拓展到其他应用场景的方法越来越受到大众的重视。除此之外，本次参赛选手来自不同行业，高校团队在数据集特征方面的研究对于业界后续发展具有参考价值，但无论是高校团队或是企业团队，在可视化分析上的创新与研究仍需进一步探索，下一年的赛事将会从创新与深度研究等方面对参赛选手提出更高的要求。

爱奇艺技术产品团队将会陆续发布获奖团队方案分享哦～

欢迎大家持续关注我们

敬请期待后续技术干货：）