成都网络营销公司排名免费咨询,百度seo效果优化,建筑网官方网站查询,免费注册qq邮箱大模型真正的价值在于应用。
一、基本概念
AI大模型具有强大的表征学习能力#xff0c;能够在海量数据中提取有用的特征#xff0c;为各种复杂任务提供解决方案。例如GPT-4o、BERT等模型的出现#xff0c;不仅展示了大规模参数和复杂计算结构的优势#xff0c;还在自然语…大模型真正的价值在于应用。
一、基本概念
AI大模型具有强大的表征学习能力能够在海量数据中提取有用的特征为各种复杂任务提供解决方案。例如GPT-4o、BERT等模型的出现不仅展示了大规模参数和复杂计算结构的优势还在自然语言处理、图像识别等领域取得了令人瞩目的成果。同时多模态大模型发展也为人工智能技术的多领域融合应用提供了可能。
1.跨模态大模型
跨模态大模型Cross-Modal Large Models是一种能够处理和理解来自不同模态如文本、图像、音频、视频等的数据并在这些模态之间进行转换、关联和推理的深度学习模型。为了捕捉和表示各种模态数据中的丰富信息这些模型通常具有庞大的参数规模和复杂的网络结构。
随着深度学习技术的不断发展和计算能力的提升跨模态大模型的性能和效果越来越好已经被广泛地投入使用。跨模态大模型可以实现图像描述生成、视觉问答、图像检索等任务有效地关联和融合信息为用户提供更加灵活便捷的检索方式。除此之外跨模态大模型经常用于分析多媒体内容如视频、音频等提取其中的关键信息和特征。
2.内容分析
本文介绍的是“媒体内容分析”。它主要利用视觉、语音、知识图谱等AI技术对视频和图片进行结构化分析帮助平台实现个性化内容推荐提升用户检索体验促使业务有效转化。
百度的媒体内容分析MCAMedia Content Analysis 借助百度积累的海量级数据针对视频场景进行声音、人脸、图像、文字多维度分析输出内容的泛标签可以达到最优的识别效果。 3.结构化标签
结构化标签是一种用于明确标识和分类内容的标记形式。它不仅能帮助人类更好地理解内容还可以让机器如搜索引擎、自动化工具等解析和索引信息更准确地理解文本含义和上下文信息提高任务处理效率从而提高内容的可访问性改善观众的搜索体验。
结构化标签通常遵循某种标准或规范如HTML5的语义化标签如header, footer, article, section等、微数据Microdata、RDFaResource Description Framework in Attributes或JSON-LDJavaScript Object Notation for Linked Data等。
4.自定义文心标签
当系统中已有的标签无法满足实际需求时只需在文心标签库里输入“标签名称提示词”的文本系统就能为视频、图片打上对应的标签。这个能力的实现使用了百度“文心•跨模态大模型”因此通过这种方式打出的标签被称为“文心标签”。
百度的内容分析系统支持“系统内置文心标签”和“自定义文心标签”。前者由内容分析产品官方团队维护用户可在模板中配置是否开启后者由用户自主维护需要用户手动创建标签库并将其绑定在模板上。
二、超详细实操指南
登录百度智能云官网、进入产品页面后点击分析管理自定义库管理自定义文心标签库进入自定义文心标签库页。 Step 1 确定标签内容
根据自身的业务需求梳理好期望系统输出的标签。我们推荐在以下场景内使用自定义文心标签功能 自然场景标签如“暴雪天”“森林”“冰川”“极光”“星空”等自然场景。 人文场景标签如“演出活动”“博物馆”“握手”“龙舟比赛”等社会文化生活中常见的场景、活动、动作。 常见实体标签如“滑板”“蛋糕”“飞机”“二维码”“长城”等物体、地标。
Step 2 创建文心标签库
进入自定义库管理文心标签库页面点击“创建文心标签库”按钮创建库。每个用户最多可创建3个库单个库最多支持300个标签。 Step 3 添加标签与提示词
创建完自定义文心标签库后进入标签库编辑页。点击“添加标签”即可添加标签与提示词。 3.1 什么是提示词
标签是用户期望系统为图片、视频内容打上的标签提示词是系统打标签的参考依据。
例如“冬季运动”为标签“滑冰、滑雪、冰壶、雪车”为提示词。系统在进行内容分析的过程中如果发现某个图片或视频的画面内容与提示词一致就会为其打上对应的标签。 3.2 怎么写提示词
如果标签可以概括提示词内涵可以直接使用标签作为“提示词”如“极光”。为了保证召回的效果也可以使用近义词撰写多个提示词如“舞台”。 如果标签涵盖的场景较为复杂提示词要细化不同的场景。如标签“救援”“婚纱照”。 3.3 标签验证
为每个标签添加提示词后可使用“标签验证”功能检验提示词是否合适以确保系统根据提示词匹配的图片与提示词表达的内涵一致。如遇到不一致的情况可对提示词进行调整。
如“红包”这个标签本意是想召回在线的各类红包营销活动、红包提示但进行“标签验证”后发现系统召回了“红色的手提包”。为了避免系统对红包产生歧义、以至在后续使用过程中给很多图片错误打上“红包”标签可以将提示词改写为“电子红包画面”“电子红包”“电子红包弹窗”。
修改提示词前的标签验证结果如下图 修改提示词后的标签验证结果如下图 类似的例子还有标签“平板”本意是指平板电脑提示词只写“平板”召回的内容不符合预期改为“平板电脑”后与预期一致。
修改提示词前的标签验证结果如下图 修改提示词后的标签验证结果如下图 3.4 标签阈值
系统支持输入0.26-0.35之间的两位小数作为标签阈值默认阈值为“0.32”。只有“置信度”大于阈值的标签才会被输出。阈值将直接影响图片打标签的严格程度。 阈值较低如0.26或0.27意味着打标签规则相对宽松图片更容易被打上当前标签。 阈值较高如0.34或0.35意味着打标签规则更加严格只有高度符合提示词描述的图片才会被打上当前标签因此被打上标签的图片数量可能会减少。
当阈值设定好之后在“标签验证”时也只有“置信度”大于阈值的图片才会被召回且最多可以召回20张图片。
Step 4 将标签库绑定至模板
编辑好标签和提示词后可以在视频分析模板、图片分析模板的“自定义文心标签”项下绑定对应的标签库。
视频分析模板 图片分析模板 Step 5 开始使用
通过API接口或内容分析产品控制台选择已经绑定好文心标签库的模板发起“图片内容分析”或“视频内容分析”验证内容打标结果是否符合预期。如与预期不符可增加或修改提示词。
图片内容分析 视频内容分析 三、总结
人工智能“百模大战”已经开启借助大模型能力满足业务的自定义需求已经成为大势所趋。文心跨模态大模型和自定义文心标签突破了应用场景、产业生态、技术成本的限制呈现出了蓬勃的生机与活力。
