您如何看待电视频道，神经网络和数独的货币化之间的关系？ 乍一看-就像用艺术编程一样：可能，但管理它的人并不多。 但是，仔细观察，我们的团队发现了这个问题的不寻常答案。 该产品由工程师开发，允许使用不同类型的神经网络来确定广告单元的开始和结束，以便它们在正确的时间出现。 现在，它已经转变为解决广泛任务的通用工具。 我们很乐意告诉您什么。 一切始于以下事实：美国流媒体公司和电视频道的主要利润来源是通过广告将内容货币化。 电视频道的所有者允许提供商替换广告的特定部分，并在此处显示其客户的广告。 但是，如果广告单元彼此重叠，则广告客户会留下负面评价。 结果，该频道上的广告被关闭，收入损失了。
为了解决这个问题，使用了不同的方法。 开始与EPAM合作的美国主要视频内容供应商之一也有自己的方法。 但是，其准确性不超过百分之六十。 这意味着在40％的情况下，广告之间会相互重叠，这可能会导致这些电视频道上的广告完全断开。
根据项目经理
弗拉德·巴约夫斯基 （
Vlad Bajovsky）的说法 ，“项目一开始，工程师勒沙·德鲁津（Lesha Druzhinin）便面对了这个问题，他有了一个主意。 它包括创建一个确定广告单元开始和结束的产品。 坦白说，起初我对此表示怀疑，因为该决定在技术上很困难，也就是说，它涉及到神经网络和机器学习的使用。 那时我们在这些领域还没有相关的专业知识。
总的来说，所有参与此项目的人都测试了不同类型的神经网络和不同算法，连接并同步了不同组件。 尽管这个想法诞生于加利福尼亚，但我们还是设法吸引了来自完全不同的EPAM地点的70名工程师。
结果，我们得到了一款出色的产品，它现在不仅可以确定广告的变化，而且还是与确定视频内容的变化有关的所有任务的通用解决方案，包括潜在的视频搜索解决方案。 换句话说，它的应用领域不仅限于广告-例如，它可以是改变类别的电视节目，来自摄像机或数字化老电影的数据，这些数据不包含有关视频序列内容的元数据。”
Lesha Druzhinin ，高级软件工程师：
“如果我们不制作项目，而是安排演出，那么我们将获得非常好的演出！ 她的体裁在不断变化，行动的主要和频繁的变化发生了，令人着迷。 最初，我们尝试以简单的方式解决问题，没有神经网络，但是没有任何效果。 我们必须完全理解大多数类型的神经网络的设计，并从头开始训练它们以执行某些任务。 为了清楚起见，神经网络有许多体系结构，但是我们对处理视觉信息的那些体系感兴趣。
随着时间的流逝，我们注意到我们的项目成为使用神经网络的公司的冠军：我们有五个以上。 现在我们确定了两个。 他们分析每一帧和每一段声音。 当帧或声音的色调发生戏剧性的变化时，网络会对此做出反应，从而预测广告的结束，然后预测广告单元之间的过渡。 到目前为止，决定视频之间过渡的网络，更确切地说，是预测视频结束的网络。
他们每个人都有自己的切碎的帧和声音的副本，但它们一起提供了90％的结果准确性。 我们在实际渠道上启动了该解决方案，并且可以正常工作。 我们设法创建了一个可以看电视的机器人。 形象地说，如果在这个项目之后客户来找我们问“并为我们做一台改进的智能电视”，那么我们就准备好完成这些任务了。 我们的解决方案是这种小型智能电视，它已经能够仅针对特定的细分市场独立区分内容。”
顺便说一下，关于世界IT公司的经验。 在进行此项目时，EPAM团队得出的结论是，跨国公司长期以来一直在实践-开源要求。 由于项目更改经常发生，并且新工程师不断连接，因此代码只需灵活即可。 因此，经常检查其可读性，或如它们所说的肉感（meatiness）。
最初，团队的任务是“惊奇，惊奇并获得客户的信任”。 但是，在解决方案的开发过程中，起始概念有所改进，以至于它成为一种通用产品，经过一些改进，可以提供给许多业务与视频内容相关的公司。
撰写文章：Daria Prokopovich，Olga Nechaeva