Проекты наших выпускников
Проекты, реализованные участниками курсов
Классификация договорной документации в системе делопроизводства
Диагностика болезней растений. Распознавание болезней по фотографии
Система обучения и подготовки данных для центров удаленного интеллектуального видеоанализа
Сегментация лиц без размеченной базы лиц
Бинарная классификация договорной документации в системе делопроизводства
Что делает нейронка:
Классифицирует договора в системе делопроизводства

Для чего нужна эта нейронка:
Нейронная сеть обучена классифицировать договора компании на клиентские и внутренние. Нейронная сеть интегрированна в web-сервис для взаимодействия с системой документооборота, и позволяет потоково классифицировать документы, чтобы правильно маршрутизировать их на следующий шаг.

Как решали:
Взаимодействие с системой документооборота осуществляется посредством генерации http запроса содержащего текст документа, к разработанному web-сервису, результатом выполнения которого является ответ в формате JSON, содержащий результат классификации. Кроме того, в рамках работы было проведено сравнение полученных результаты точности классификации с моделями классического машинного обучения, в частности логистической регрессией.
Тимофей Скрыльник
Диагностика болезней растений. Распознавание болезней по фотографии
Что делает нейронка:
Нейронная сеть по серии фотографий опознает болезнь садового растения и дает рекомендацию по уходу

Для чего нужна эта нейронка:
Нейронку можно использовать как в частных садово-огородных хозяйствах, так и в агропромышленных комплексах

Как решали:
Обучение на базе, разбитой по типам растений, по частям растения, по типам болезни, каждой болезни
В решении используются свёрточные сети для обработки изображений, для оптимального результата обучили несколько вариантов нейронной сети и попробовали готовые предобученные сети

Юрий Кобызев
Система обучения и подготовки данных для центров удаленного интеллектуального видеоанализа
Что делает нейронка:
Нейронка в потоке информации с видеокамеры распознает нужный объект, например людей или определенных животных

Для чего нужна эта нейронка:
Предположим где-то на полюсе у станции метеонаблюдения появились какие-то люди. Необходимо в потоке видео с камеры наблюдения выявить эти объекты и передать в Москву краткое сообщение об этом через модем спутниковой сети Иридиум. Полный видеопоток нецелесообразно гнать по широкополосной сети для непосредственной обработки в центральный офис. Это очень дорого, и других каналов, кроме спутников Иридиум, на полюсе нет. Данный макет использует модели типа Resnet-18, GoogleNet дообученные на нашей базе.

Как решали:
Этапы реализации:
  • Конфигурация Jetson Nano;
  • Подготовка данных;
  • Обучение сети на Jetson Nano;
  • Размещение сети;
  • Обработка тестовых данных на обученной сети;
  • Обработка логов и передача результата в Stecmatix;
  • Digits, переход к промышленной схеме дообучения сети.
Александр Субочев
Сегментация лиц. Обучение нейронных сетей с помощью нейронных сетей
Что делает нейронка:
Выделяет лица на фотографиях

Для чего нужна эта нейронка:
Данная нейронка реализует нестандартный алгоритм, который позволяет находить лица на фотографиях, без обучения на базе лиц. Точно такой же подход применим и к сегментации других объектов

Как решали:
Для обучения нейронной сети необходим большой объем правильно размеченных данных. На сбор данных, их подготовку и самое главное - на разметку - уходит львиная доля времени в работе над проектом. Причем сложность разметки при бинарной классификации и при сегментировании изображений может различаться на порядок. После завершения обучения сети всегда остается вопрос – по каким признакам сеть приняла конкретное решение? В своей работе я попытался показать, как извлекать дополнительную информацию из нейронной сети и проводить разметку данных при помощи нейронных сетей – учителей. В качестве примера было показано обучение сети – ученика, сегментирующего лица людей на фотографии, с помощью сети – учителя, классифицирующего мужчин и женщин.
Может быть интересно
Другие страницы сайта