随着智能手机的普及、网络社交平台的成熟以及短视频服务的兴起，普通用户拍摄、制作及上传分享视频内容的门槛也越来越低。近年来视频数据在因特网 上爆发性的增长并已占据绝大部分流量。传统的以文字为主的搜索引擎也越来越难以对整个因特网进行检索，而开发面向图片、视频的大规模检索系统具有重要的意义。

　　得益于深度学习技术在近十年的飞速发展，有效的捕捉视频数据的特征，准确描述视频数据已成为可能。但是研发面向十亿级视频数据的检索系统仍然面临极大的挑战。面临的挑战包括：1）生产特征的深度模型计算需求高，难以匹配因特网产生视频数据的速度；2）视频数据规模大，难以快速高效的完成检索请求；3）检索内容多元，系统复杂性高。

　　本项目旨在设计并实现十亿级别视频检索系统。通过对新增视频分类，减小单一视频特征生产开销。通过设计高扩展性架构，辅以特征量化、近似搜索等技术，缩短检索时间。通过增加音频特征、设计帧图匹配算法，实现通用内容匹配，提高检索精度。

　　已完成的工作：

• 大规模视频通用检索系统

　　正在进行的工作：

• 大规模视频去重检索系统

（项目负责人：肖梦白）