優酷的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

阿里雲天池大賽賽題解析：深度學習篇

為了解決優酷的問題，作者天池平臺 這樣論述：

本書聚焦深度學習演算法建模及相關技術，選取醫療、視頻、工業三個非常有行業代表性的賽題：瑞金醫院MMC人工智慧輔助構建知識圖譜、阿裡巴巴優酷視頻增強和超解析度挑戰賽和布匹疵點智慧識別，介紹賽題涉及的技術知識和選手的創新思路與模型，對賽題的解決方案從0到1層層拆解。 本書從經典行業案例出發，內容由淺入深、層層遞進，既可以作為專業開發者用書，也可以作為參考選手的實戰手冊。 阿里雲天池作為國內最大的競賽平臺和AI社區，自誕生以來就一直秉持著讓更多人公平獲得大資料的理念。也正因此,天池每場經典賽事沉澱的課題和資料集都會永久保留和開放。截至目前，天池平臺已舉辦了超過200場來自真實業務

場景的資料競賽,覆蓋政府、金融、交通、物流、航空、電力、醫療等多個領域。 賽題一 瑞金醫院MMC人工智慧輔助構建知識圖譜 0 技術背景 3 0.1 技術現狀 3 0.2 實驗室介紹 3 1 賽題解讀 7 1.1 賽題背景 7 1.2 知識圖譜 7 1.2.1 知識圖譜的發展歷史 7 1.2.2 如何表達知識 9 1.2.3 如何構建知識圖譜 11 1.2.4 如何進行知識推理 13 1.3 數據介紹 15 1.3.1 初賽數據 16 1.3.2 複賽數據 17 1.4 評測指標 18 2 數據處理 19 2.1 自然語言處理基礎 19 2.1.1 詞向量 19 2.1.2

語言模型 20 2.1.3 自然語言處理中的深度學習 24 2.2 數據預處理 29 2.2.1 .txt文件 29 2.2.2 .ann文件 30 2.2.3 使用Python解析檔 32 3 初賽賽題――實體識別 35 3.1 實體識別任務 35 3.2 傳統機器學習方法 36 3.2.1 概率圖模型 36 3.2.2 隱瑪律可夫模型 38 3.2.3 最大熵瑪律可夫模型 39 3.2.4 條件隨機場模型 40 3.3 深度學習方法 41 3.3.1 雙向迴圈神經網路 41 3.3.2 雙向迴圈神經網路+條件隨機場模型 43 3.4 初賽方案 44 3.4.1 數據集構建 44 3.4.2

特徵工程 46 3.4.3 模型構建 47 4 複賽賽題――關係抽取 53 4.1 關係抽取任務 53 4.2 傳統方法 53 4.2.1 基於範本的抽取 53 4.2.2 基於依存句法的抽取 54 4.2.3 基於統計機器學習的抽取 55 4.3 深度學習方法 56 4.3.1 監督學習 56 4.3.2 半監督學習 57 4.4 複賽方案 59 4.4.1 數據集構建 59 4.4.2 特徵工程 62 4.4.3 模型構建 63 5 Neo4j存儲知識圖譜 69 5.1 Neo4j介紹 69 5.2 Neo4j配置 70 5.2.1 安裝 70 5.2.2 Web管理平臺 71 5.2.

3 Neo4j-shell 72 5.3 數據庫構建 72 5.3.1 準備工作 72 5.3.2 創建數據庫 72 5.3.3 事務 73 5.3.4 創建節點 73 5.3.5 創建關係 74 5.3.6 查詢 74 5.4 Cypher查詢 75 5.4.1 讀語句 76 5.4.2 寫語句 76 5.4.3 通用語句 78 6 賽題進階討論 80 6.1 數據標注方法 80 6.1.1 指針標注 80 6.1.2 片段排列 81 6.2 聯合抽取 82 6.2.1 共用參數 82 6.2.2 聯合標注 84 6.3 大規模預訓練語言模型 86 6.3.1 ELMo模型 86 6.3.2

GPT模型 87 6.3.3 BERT模型 89 6.3.4 使用BERT模型進行實體識別與關係抽取 90 賽題二 阿裡巴巴優酷視頻增強和超解析度挑戰賽 0 技術背景 95 0.1 業界應用 95 0.2 文娛行業面臨的畫質問題 95 0.3 實驗室介紹和技術手段 96 0.4 重點模組 97 0.5 處理效果 98 1 賽題解讀 100 1.1 賽題背景 100 1.2 賽題目標 100 1.3 數據概覽 100 1.4 評估指標 101 1.5 解題思路 102 1.6 賽題模型 103 2 數據處理 105 2.1 視頻和影像處理 105 2.1.1 圖像基本概念 105 2.1.2

視頻基本概念 106 2.1.3 視頻分幀 107 2.1.4 影像處理 108 2.1.5 圖片合成視頻 110 2.2 工具包 111 2.2.1 OpenCV庫 111 2.2.2 FFmpeg庫 112 2.3 數據處理 112 2.3.1 安裝工具包 112 2.3.2 導入工具包 112 2.3.3 視頻轉圖片函數 112 2.3.4 讀取圖片並獲取大小 113 2.3.5 讀取圖片並進行灰度處理 114 2.3.6 分幀後的圖片灰度處理 114 2.3.7 圖片轉視頻函數 115 3 傳統插值方法 117 3.1 插值方法 117 3.1.1 插值方法的基本概念 117 3.1

.2 插值原理 118 3.2 插值演算法 118 3.2.1 最近鄰插值演算法 119 3.2.2 雙線性插值演算法 119 3.2.3 雙三次插值演算法 120 3.3 幾種傳統插值演算法結果對比 121 3.4 數據處理 122 3.4.1 導入工具包 122 3.4.2 讀取圖片 122 3.4.3 最近鄰插值演算法 122 3.4.4 雙線性插值演算法 123 3.4.5 基於4px×4px鄰域的三次插值演算法 123 3.4.6 不同插值函數計算PSNR 123 3.4.7 傳統插值方法效果對比 123 3.4.8 Bicubic插值演算法 124 4 深度插值方法 126 4.1

深度學習 126 4.1.1 卷積神經網路 126 4.1.2 使用SRCNN實現超清解析度 132 4.2 賽題實踐 132 4.2.1 導入工具包 132 4.2.2 讀取圖片 133 4.2.3 使用Bicubic插值放大至目標尺寸 133 4.2.4 實現SRCNN 133 4.2.5 SRCNN模型訓練 133 4.2.6 SRCNN模型驗證 135 4.2.7 SRCNN模型預測 135 4.2.8 保存圖片 135 5 深度學習方法改進 136 5.1 FSRCNN實現超清解析度 136 5.2 ESPCN實現超清解析度 138 5.3 賽題實踐 140 5.3.1 導入工具包

140 5.3.2 讀取圖片 140 5.3.3 FSRCNN 140 5.3.4 ESPCN 142 6 深度學習方法進階 145 6.1 GAN基本概念 145 6.1.1 GAN生成手寫數字 146 6.1.2 GAN訓練 147 6.1.3 GAN演算法數學形式 148 6.2 CGAN 149 6.3 VGGNet 150 6.4 ResNet 153 6.5 SRGAN結構 156 6.5.1 SRGAN損失函數 157 6.5.2 SRGAN效果 157 6.6 SRGAN實現超清解析度 158 6.6.1 導入工具包 158 6.6.2 讀取圖片 159 6.6.3 實現SR

GAN 159 6.6.4 SRGAN模型訓練 163 6.6.5 SRGAN模型驗證 163 6.6.6 SRGAN模型預測 163 6.6.7 保存圖片 163 賽題三 布匹疵點智慧識別 （2019廣東工業智造創新大賽 賽場一） 0 技術背景 167 0.1 行業背景 167 0.2 實驗室產品介紹 168 0.3 賽題背景 170 0.4 初賽數據示例 171 0.5 複賽數據示例 172 1 賽題解析 173 1.1 賽題背景分析 173 1.2 計算機視覺 174 1.2.1 計算機視覺簡介 174 1.2.2 計算機視覺發展歷史 175 1.2.3 計算機視覺方法 177 1.3

數據集介紹 178 1.4 賽題指標介紹 179 1.5 賽題初步分析 181 2 深度學習基礎 182 2.1 感知機 182 2.2 梯度下降法 184 2.3 多層感知機 186 2.4 反向傳播 189 2.5 深度神經網路PyTorch實現 189 3 卷積神經網路與數據處理 193 3.1 卷積運算與互相關運算 193 3.2 卷積神經網路 195 3.3 卷積神經網路的反向傳播演算法 198 3.4 卷積神經網路PyTorch實現 199 3.4.1 卷積神經網路簡單實現示例 199 3.4.2 競賽數據預訓練模型 202 4 區域卷積神經網路系列演算法 204 4.1 目標檢

測的基本概念 204 4.2 區域卷積神經網路 205 4.3 Fast R-CNN演算法 210 4.4 Faster R-CNN演算法 214 4.5 目標檢測Faster R-CNN演算法實戰 218 5 實例分割Mask R-CNN演算法 226 5.1 實例分割 226 5.2 Mask R-CNN演算法 226 5.3 PyTorch實現實例分割 230 6 賽題最優演算法與提升思路 237 6.1 級聯區域卷積神經網路 237 6.2 目標檢測賽題提升思路 239 6.3 mm-detection框架下的演算法實現 241 參考文獻 242

優酷進入發燒排行的影片

中國大陸視頻二次創作社群的數位禮物文化

為了解決優酷的問題，作者陳昕妤 這樣論述：

剪刀手社群，是一群熱衷於對原始媒體影音素材進行二次創作、重新闡釋的同人視頻創作者所組成的社群。同人視頻創作者並非是個人化的行動者，同人視頻作品是深度合作和社群廣泛支持下的產物。中國大陸的剪刀手們共享互助，將自己個人勞動所得的媒體素材作為公共資源公開分享在社群平台上，免費供其它創作者使用，也將自己所學技能與知識向其它同儕傾囊相授。本研究以禮物經濟的視角，以同人視頻創作者社群為觀察對象，採用網路民族志與深度訪談法，探究剪刀手們進行禮物交換的特點、動機，分析剪刀手如何在禮物交換中，形塑、維繫、想像、認同自己的社群？如何定義虛擬社群集體對個體而言的意義和價值？以探討這一新興且獨特的數位禮物文化的特殊

之處。從禮物交換的內容來看，剪刀手們所饋贈的禮物與自我的各個方面息息相關，凝結了個人媒體經驗和閱歷，同時，這些「禮物」具有符號意義上的「排他性」，離開剪刀手背景之外往往沒有使用價值。從禮物交換的動機來看，利他主義傾向、擴大社交範圍結識同好、提高在社群內的聲望的地位、對自我身份認同與集體共同利益的追求，推動著剪刀手們持續不斷地收受往來禮物。一方面，這種數位禮物文化將剪刀手社群形塑為一個獨特的非正式「虛擬教室」，剪刀手們在交流中互相學習，互為導師，也互為學生；另一方面，數位禮物文化的長期記憶性，將剪刀手們所交換的資源、訊息長久地儲存在網路上，可供同儕們自由地搜索、領取、使用，並在久而久之的素材分享

、知識共用、訊息積累下，成為一個剪刀手們以集體智慧共同塑造的「知識寶庫」與「聚寶盆」。剪刀手們使用他人製作、分享的素材，將之融入成為自己視頻作品中的一部分，可以定性成一種廣義的合作、協作。剪刀手社群的禮物文化將本作為個體勞動者的剪刀手凝聚成有著共同倫理規範和集體利益的共同體，將本可以依靠個體勞動的同人創作，演變成集眾所長的集體創作方式，在創作中揚長避短、取長補短，群策群力幫助其它創作者改進作品。剪刀手社群集體力量已然融入了每一位個體的創作勞動之中，禮物文化將分散在網路各處的剪刀手們緊緊地凝聚在一起，社群成為剪刀手個體們不可或缺的依靠。

《山河令》天涯知己設定集

為了解決優酷的問題，作者優酷資訊技術（北京）有限公司 這樣論述：

在山河令的世界裡，人心鬼蜮，黑白莫辨。   一場陰謀，兩個知己， 五塊拼圖，十方勢力，千里南北， 呈現一個全新的風雨繾綣的江湖武俠夢。   千金重諾，眉黛青顰霜月天； 半生飄零，鐵甲金戈榭水涯； 一眼萬年，就中更有早行客。   從人物到幫派、從服裝到配飾、從場景到情節、從片刻安寧到 江湖深仇， 這一切，都終將浮沉於設定集之中... 第一章 場景設定 第二章 溫周服飾 第三章 四季山莊——四季花常在，九州事盡知。 天窗——涓涓江漢流，天窗通冥世。讒邪害公正，浮雲翳白日。 晉王 ——酒重陳釀，人重故交。 五虎盟 ——五湖水，天下匯，武林至尊捨棄誰。 毒蠍——不擇手段，效率唯先

。 龍淵閣——動靜相生，心固域徙。 江湖門派——長明山上寂寞清冷，個中滋味，更與何人說？ 鬼谷——彩雲散，琉璃碎，青崖山鬼誰與悲？ 第四章 名場面

線上影音串流平台選擇因素之初探

為了解決優酷的問題，作者蔡科仲 這樣論述：

　　資訊科技的發展造成出版相關產業的變革，如amazon的網路書店、Apple的Apple TV、Google的youtube等，近來來Netfix與迪士尼等也在線上影音串流平台上提供多種類型的電視節目，這些都讓傳統以電視機為主的傳統媒體造成巨大衝擊。本研究以使用過線上影音串流平台的消費者為研究對象，針對「線上影音串流平台選擇因素」進行分析，經由網路問卷進行資料收集，共得到377份有效問卷。經由重要度-績效分析的結果發現：「節目類型較多元」為受訪者高度重視且高度滿意的品質屬性，建議業者應持續保持節目類型的多元，並持續投入資源維持此項優勢；而「客服人員能幫助我解決我遇到的各種問題」為受訪者高度

重視而低度滿意的品質屬性，是線上串流平台業者需要改善的項目。本文最後根據研究結果進一步提出相關的管理策略供業者參考。