Seedtag, azienda attiva nel contextual advertising nelle regioni Emea e Latam che ha chiuso il 2021 con ricavi in crescita dell'80%, ha aggiornato la sua tecnologia di image recognition al fine di aumentare la brand safety. In questo modo, identificando specifici oggetti o situazioni che potrebbero essere indicatori di contenuti non safe, Seedtag promette ai clienti un ambiente pubblicitario più sicuro.
Questa tecnologia impiega informazioni presenti negli elementi visivi aiutando così i brand ad evitare contenuti con connotazioni negative, in ottica brand safety.
Leggi anche: SEEDTAG ANNUNCIA UNA CRESCITA DEI RICAVI DELL’80% NEL 2021 E AVVIA L’ESPANSIONE NEGLI USA
La AI contestuale di Seedtag, Liz, è in grado di identificare tutti i tipi di contenuti visivi pericolosi visualizzati nelle pagine web, spiega il comunicato. Liz utilizza tecnologie di computer vision e deep learning per analizzare automaticamente le singole immagini, prosegue la nota, e rilevare fino a 38 categorie di contenuti negativi come nudità, droghe, disastri naturali o violenza, come spiega Pablo Martínez, Product Lead Contextual Intelligence di Seedtag: “La brand safety è una delle principali priorità di Seedtag in quanto ci consente di proteggere i brand garantendo un ambiente sicuro per i nostri clienti. Questo modello all'avanguardia ci porta un passo oltre in quanto, non solo è in grado di riconoscere oggetti pericolosi nelle immagini come lame o nudità, ma anche situazioni dannose come proteste sociali o incidenti stradali. Ciò significa che ora siamo dotati di uno strumento migliorato per assicurarci di avere i più alti livelli di brand safety sul mercato".
L’upgrade del modello di brand safety legato alle immagini sviluppato da Seedtag si basa su una complessa rete neurale che è stata addestrata utilizzando enormi quantità di dati processati all’interno del publisher network dell'azienda. Questo upgrade ha dimostrato, dichiara Seedtag, di essere in grado di elaborare in modo efficiente milioni di immagini al giorno e di rilevare contenuti visivi potenzialmente pericolosi con una precisione superiore al 95%.
Infine, il sistema integra anche tool di interpretabilità per il deep learning che consentono di visualizzare automaticamente le parti specifiche dell'immagine in cui si trova il contenuto dannoso. Queste informazioni sono necessarie per comprendere potenziali bug nel modello perfezionandolo ed adattandolo continuamente ai nuovi tipi di contenuto aggiunti nel network di Seedtag.