【FAQ】对接电商平台-抖音API

开发者在对接抖音API的时候难免会遇到各种问题,本文总结了抖音开放平台上对接抖音API过程中的部分热点问题,希望对开发者们能有所帮助。

问:抖音SDK是什么?
答:抖音SDK产品,是以抖音内容为依托,以 SDK 为载体,支持外部应用组件化接入抖音能力,主要能力有直播能力、开播能力、视频能力和短剧能力。
通过接入抖音SDK,实现用户在第三方 App观看抖音内容,进行互动送礼,电商下单交易的同时也为开发者提供在第三方应用及设备一键开播的能力,通过在自身应用内开直播间并分发至抖音全平台,提升用户活跃时长和用户留存,助力自身业务完成流量转化升级,转化流量价值。

问:一个账号或企业主体能在抖音开放平台创建多少个网站应用?
答:在抖音开放平台上,一个账号或企业主体可以创建10个网站应用。

问:已经审核通过的网站应用,可以再次修改吗?
答:可以,前往「控制台」-「我的应用」-「设置」-「应用信息」处进行修改。

问:抖音直播小玩法测试人员的UID怎么获取?
答:打开抖音app,找到设置后,滑到最下面,连续点击最下面的「抖音 version」5次后,该数字为UID。

问:抖音开放平台对直播小玩法开发者提案数量有限制吗?
答:目前没有严格限制。

问:抖音开放平台小程序ICP备案结果在哪里查询?
答:可前往小程序详情-设置-基础设置-备案进行查看。

问:抖音开放平台小程序ICP备案申请被驳回了怎么整改?
答:这个需要参考小程序ICP备案常见问题中驳回原因部分进行整改,如原因为“网站主办者冲突”,可能是主体首次备案时,同时在多个平台或同时提交多个备案申请,需等其中一个备案审核有结果后,才可以再次提交备案;原因为“提交的附件格式不符合规范”,则需按要求重新提交附件……另外,从事出版、教育、医疗保健、药品和医疗器械、文化、广播电影电视节目、新闻、网络预约车、互联网金融、校外培训(高中及以下阶段)、宗教等互联网信息服务的,在申请经营许可或者履行备案手续前,应当依法经有关主管部门审核同意,如涉及,则必须办理前置审批文件,否则会无法通过备案审核。

  • 6
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值