Cистема обучения и подготовки данных для центров удаленного интеллектуального видеоанализа
Юрий Кобызев
Как найти аналог дорогостоящему видеопотоку
Юрий Кобызев — начальник отдела информационных систем в спутниковой компании ООО СТЭККОМ. Он поставил перед собой задачу изучить принципы работы нейронной сети — для собственного развития и внедрения в компанию.
Перед Юрием стояла задача отслеживать камерой разные виды объектов (людей, животных, автомобили). Отсутствие хорошей связи было проблемой — невозможно было передать весь видеопоток.
Было решено передавать не весь объем информации, а короткое смысловое сообщение. К камере был подключен недорогой одноплатный компьютер Nvidia-nano с GPU процессором специализированный для работы нейронных сетей. Она распознавала картинку напрямую с камеры и передавала короткую информацию о найденных объектах через спутниковый канал.
Такая технология позволяет значительно снизить стоимость отслеживания. Полный видеопоток обходится дорого, а система отслеживания конкретных действий снижает затраты.
Примеры команд для нейросети: следить за участком, пропускать хозяев, сигнализировать о несанкционированном проникновении на территорию участка.
В создании дипломного проекта Юрий использовал модели Resnet-18 и GoogleNet, дообучив их на своей базе. За основу он взял 1000 фотографий (своих и сотрудников) и обучил сеть определять кто есть кто на фотографиях. Затем сеть научилась распознавать лица на других изображениях с точностью до 78%.
Основное время (3 месяца) ушло не на обучение нейросети, а на изучение программного обеспечения, которое обучает нейросеть, а также на формирование базы.
Перед Юрием стояла задача отслеживать камерой разные виды объектов (людей, животных, автомобили). Отсутствие хорошей связи было проблемой — невозможно было передать весь видеопоток.
Было решено передавать не весь объем информации, а короткое смысловое сообщение. К камере был подключен недорогой одноплатный компьютер Nvidia-nano с GPU процессором специализированный для работы нейронных сетей. Она распознавала картинку напрямую с камеры и передавала короткую информацию о найденных объектах через спутниковый канал.
Такая технология позволяет значительно снизить стоимость отслеживания. Полный видеопоток обходится дорого, а система отслеживания конкретных действий снижает затраты.
Примеры команд для нейросети: следить за участком, пропускать хозяев, сигнализировать о несанкционированном проникновении на территорию участка.
В создании дипломного проекта Юрий использовал модели Resnet-18 и GoogleNet, дообучив их на своей базе. За основу он взял 1000 фотографий (своих и сотрудников) и обучил сеть определять кто есть кто на фотографиях. Затем сеть научилась распознавать лица на других изображениях с точностью до 78%.
Основное время (3 месяца) ушло не на обучение нейросети, а на изучение программного обеспечения, которое обучает нейросеть, а также на формирование базы.
Юрий Кобызев
Выпускник Университета искусственного интеллекта
Для меня главным было освоить технологическую цепочку, а не писать с нуля нейронную сеть. Эффективнее всего, когда цепочка не создается, а дообучается.
Я вижу перспективы развития нейронной сети в том, чтобы пользоваться теми методами, которые уже изобретены. Для промышленного назначения такое решение самое удобное.
Я вижу перспективы развития нейронной сети в том, чтобы пользоваться теми методами, которые уже изобретены. Для промышленного назначения такое решение самое удобное.
Дмитрий Романов
Основатель Университета искусственного интеллекта
Юрий показал возможности нейросетей по присоединению к реальным девайсам за счет мощных процессоров обработки. Появляются новые возможности интеграции в реально работающие объекты.
Эта тенденция растет, и в ближайшие годы мы точно увидим значительные прорывы в крупных компаниях по реализации нейросетевых решений на уровне «железа».
Эта тенденция растет, и в ближайшие годы мы точно увидим значительные прорывы в крупных компаниях по реализации нейросетевых решений на уровне «железа».
Тимофей Скрыльник
Денис Яцышин
Евгений Маханьков