Год назад Максим Стекольщиков приступил к выполнению задачи по сегментации для агрокомпании. Это требовалось для контроля перемещения животных по территории агрокомплекса. Традиционный метод библиотеки-помощника не сработал, и тогда Максим начал искать новое решение. Он узнал, что эффективнее всего распознавать объекты через нейронные сети и решил пойти на обучение.

«Мои знания до обучения в Университете Искусственного Интеллекта были обрывочными, продвижение в работе было медленное. Я понял, что мне необходимо полное погружение в тему и сопровождение на этапе тестирования, и записался на курс. В результате обучения увидел, что нейронные сети — это современный метод и мощный инструмент для решения задач. Я рад, что моя давняя задача сдвинулась с мертвой точки и получила новое развитие».

В дипломной работе Максим протестировал распознавание животных на видео. Цель — распознавание конкретного животного. Система должна была точно определить кличку конкретного объекта.

Взяв за основу базу в 5 часов видео и 10 000 картинок, Максим добился 80-85 % точности распознавания. Проблемой стала особенность съемки: в зависимости от угла перемещения животного нейросеть не всегда могла правильно его распознать.

Сейчас проект работает в тестовом режиме. В планах сделать нейросеть более гибкой, чтобы не зависеть от режима видеосъемки. Желанная цель — 90 % точности. Есть версия, что повысить точность поможет метод распознавания движения животного, а также расширение базы данных. Это улучшит качество алгоритма и возможно решит проблему с похожими животными. Также планируется рассмотреть использование сети Inceptionv4 или Inception-resnet.