О компании
Услуги
11
Портфолио
Блог
Вакансии
+7 495 414-40-49
Получить консультацию
Контакты
Заполните форму
И наши менеджеры ответят на ваши вопросы
Обязательное поле
Пожалуйста, введите корректный e-mail адрес
Пожалуйста, введите корректное имя
Пожалуйста, введите корректный номер телефона
Слишком короткое значение
Отправить
Обязательное поле
Пожалуйста, введите корректный e-mail адрес
Пожалуйста, введите корректное имя
Пожалуйста, введите корректный номер телефона
Слишком короткое значение
Нажимая на кнопку, вы соглашаетесь с нашей
Политикой в отношении обработки
персональных данных пользователя
О компании
Портфолио
+7 495 414-40-49
HELLO@EORA.RU
Иннополис
Услуги
Разработка чат-ботов с ИИ
ул. Университетская, д. 7
Навыки для голосовых ассистентов
Позвоните нам
Бот поддержки
Напишите нам
Робот для колл-центра
Цифровой аватар
Боты для HR
Боты для интернет-магазинов
Суфлекс - ИИ подсказки для операторов КЦ
Викуля - ИИ поиск по базе знаний
XinData - ИИ ассистент для финансовых вопросов
Блог
Вакансии
Получить консультацию
Консультация в ИИ
ИИ-ассистент с ChatGPT
Контакты
Разработка чат-ботов с ИИ
Навыки для голосовых ассистентов
Бот поддержки
Робот для колл-центра
Цифровой аватар
HR-боты
Бот для интернет-магазинов
Консультация в ИИ
Суфлекс - ИИ подсказки для операторов КЦ
Викуля - ИИ поиск по базе знаний
XinData - ИИ ассистент для финансовых вопросов
Перейти в услуги
ИИ-ассистент с ChatGPT
Разработка чат-ботов с ИИ
Навыки для голосовых ассистентов
Бот поддержки
Робот для колл-центра
Цифровой аватар
HR-боты
Бот для интернет-магазинов
Консультация в ИИ
Суфлекс - ИИ подсказки для операторов КЦ
Викуля - ИИ поиск по базе знаний
XinData - ИИ ассистент для финансовых вопросов
Перейти в услуги
ИИ-ассистент с ChatGPT
О компании
Услуги
11
Портфолио
Блог
Вакансии
+7 495 414-40-49
Получить консультацию
Контакты
Мы используем cookies и собираем технические данные
Находясь на сайте вы соглашаетесь с применением данных технологий
Close
En
HELLO@EORA.RU
+7 495 414-40-49
Главная
/
Портфолио
/
Компьютерное зрение и ИИ
/
Кейс для «ISS»
Система обнаружения посторонних предметов на днищах автомобилей с помощью нейросети
Анализ изображений
Основная информация
Заказчик
ISS
— Интеллектуальные Системы Безопасности — компания-интегратор решений по безопасности
Продукт
Задача
Программное обеспечение для стендов проверки автомобиля — днище осматривается человеком с помощью зеркал и по фотографиям
Найти аномальные предметы на дне автомобиля по фотографии
Где используется:
на военных объектах
Зачем нужно:
на приграничных постах
в местах с повышенными требованиями к безопасности
автоматизировать процесс проверки
ускорить работу оператора
Как это работает
Машина заезжает на стенд
Осуществляется фото-съемка днища автомобиля
При нахождении аномалий показывает снимок оператору
Нейросеть анализирует снимок
Аномалия
Техническая реализация
Провели ML-аудит
Так как подобные задачи практически не решались, наш клиент заказал услугу
ML-аудита
Нашли научную статью
В результате исследования
мы нашли
научную статью
по похожей тематике
Узнать больше о ML-аудите
Модель
Мы воспроизвели статью и
адаптировали модель
под наши данные
VisionHub
Как интерфейс визуализации мы использовали наш хостинг моделей машинного зрения
VisionHub
Перейти к Vision Hub
GAN
Основной метод — генеративно- состязательные сети (GAN), алгоритм машинного обучения.
Принцип работы:
Шаг 01
Запоминаем, как выглядит объект в нормальном состоянии
Шаг 02
Генерируем изображения и фиксируем на них аномалии
Зафиксирована
аномалия
Процесс разработки
Входные данные
20
6
изображений
днищ автомобилей
с аномалиями
эталонных
изображений днища
Обработка датасета
24
317
Разметили вручную изображения, отметили аномалии.
изображения
с аномалией
нормальных
Разрезали фотографии на квадратики по 512 пикселей и отсматривали отдельно.
130
3221
аномальных
нормальных
Обучение модели
Обучили модель
на подготовленной выборке.
Точность метрики качества составила
0.73
Очень маленький датасет, недостаточный для качественного обучения нейронной сети
Изображения в большом разрешении — 4 тыс. на 10 тыс. пикселей
Метрика
- соотношение корректно определенных аномалий и ложно определенных
Аномалия:
есть/нет на этом фрагменте. Не стояло задачи точно локализовать.
Этапы разработки
Согласование
Аудит
Начало разработки
1,5-2 месяца
2 недели
Текущие результаты
Завершился этап аудита
Удалось построить первую модель
Готовимся
к большому проекту
Команда проекта
Михаил Евдокимов
Менеджер
Техлид
Влад Виноградов
Computer Vision инженер
Аэлита Шайхутдинова
Особенности проекта
Впервые использовали GAN в продакшене
Один из первых наших аудитов
Впервые работаем с компанией- интегратором и вообще с людьми, которые связаны с разработкой весьма опосредованно
Где могут пригодиться наработки
Например,
в медицинских приложениях
В системах, где нужно обнаружить отклонение от нормы
Трудности проекта
Непривычный материал
Cложности коммуникации, так как компания очень большая
[{"lid":"1531306540094","ls":"10","loff":"","li_type":"nm","li_name":"name","li_title":"\u041c\u0435\u043d\u044f \u0437\u043e\u0432\u0443\u0442","li_ph":"\u0418\u0432\u0430\u043d \u0418\u0432\u0430\u043d\u043e\u0432\u0438\u0447","li_req":"y","li_nm":"name"},{"lid":"1531306243545","ls":"20","loff":"","li_type":"em","li_name":"email","li_title":"\u041c\u043e\u0439 e-mail","li_ph":"mail@example.com","li_req":"y","li_nm":"email"},{"lid":"1608756710070","ls":"30","loff":"","li_type":"ph","li_title":"\u041c\u043e\u0439 \u043d\u043e\u043c\u0435\u0440 \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0430","li_masktype":"a","li_maskcountry":"RU","li_nm":"Phone"},{"lid":"1608756742134","ls":"40","loff":"","li_type":"ta","li_name":"Description","li_title":"\u041e\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u043f\u0440\u043e\u0435\u043a\u0442\u0430","li_ph":"\u041d\u0430\u0436\u043c\u0438\u0442\u0435 \u0441\u044e\u0434\u0430 \u0438 \u043e\u043f\u0438\u0448\u0438\u0442\u0435 \u0432\u0430\u0448\u0443 \u0437\u0430\u0434\u0430\u0447\u0443 \u0432 \u0441\u0432\u043e\u0431\u043e\u0434\u043d\u043e\u0439 \u0444\u043e\u0440\u043c\u0435","li_req":"y","li_rows":"2","li_nm":"Description"}]
Напишите нам