Проект «Angel Vision» выиграл грант в конкурсе «Коммерциализация ИИ» (очередь V) в рамках Национальной программы «Цифровая экономика Российской Федерации»
27 декабря 2022
Проект «Angel Vision» - программное обеспечение, предназначенное для распознавания образов, созданное на основе нейросети, выиграл грант в конкурсе «Коммерциализация ИИ» (очередь V) в рамках Национальной программы «Цифровая экономика Российской Федерации».
Более 16 миллионов рублей получат сотрудники компании на доработку программного продукта и внедрение решений. За один год разработчики планируют уменьшить количество ошибок и повысить скорость работы нейросети, снизить требования к вычислительным ресурсам (применение на маломощных mini-PC), повысить уровень распознавания государственных регистрационных знаков до теоретических 99,9%, расширить предметную область применения продукта, ускорить процесс разработки модуля видео-аналитики с восемнадцати до трех месяцев, обеспечить масштабируемость.
Как отмечают разработчики, для выполнения своей функции – распознавания объектов, нейросеть должна быть правильно обучена. Обучение нейросети происходит на наборе данных — датасете. Он должен содержать гигантский объем однозначных и непротиворечивых данных, чтобы нейросеть не относила один объект к нескольким классам (не совершала ошибок). Для хранения достаточных для корректного обучения данных требуются хранилища объемами сотни терабайт и значительные вычислительные мощности. Обучение с помощью оператора вносит «человеческий фактор» в процесс распознавания. Эти требования накладывают существенные временные и технологические рамки на получение готового продукта – обученной на распознавание заданного типа изображения нейросети.
Решением, позволяющим обойти значительную часть ограничений, является применение метода «конвейеризации» обучения.
Метод конвейеризации заключается в последовательном наложении искусственных искажений (геометрических деформаций, наложения шумов, размытия и пр.) на ограниченном по выборке датасете, применении различных функций нормирования результата, применении нейросетей различных архитектур, систематизации работы с датасетами.
Поздравляем коллег и желаем продуктивной работы в рамках выполнения гранта!
Более 16 миллионов рублей получат сотрудники компании на доработку программного продукта и внедрение решений. За один год разработчики планируют уменьшить количество ошибок и повысить скорость работы нейросети, снизить требования к вычислительным ресурсам (применение на маломощных mini-PC), повысить уровень распознавания государственных регистрационных знаков до теоретических 99,9%, расширить предметную область применения продукта, ускорить процесс разработки модуля видео-аналитики с восемнадцати до трех месяцев, обеспечить масштабируемость.
Как отмечают разработчики, для выполнения своей функции – распознавания объектов, нейросеть должна быть правильно обучена. Обучение нейросети происходит на наборе данных — датасете. Он должен содержать гигантский объем однозначных и непротиворечивых данных, чтобы нейросеть не относила один объект к нескольким классам (не совершала ошибок). Для хранения достаточных для корректного обучения данных требуются хранилища объемами сотни терабайт и значительные вычислительные мощности. Обучение с помощью оператора вносит «человеческий фактор» в процесс распознавания. Эти требования накладывают существенные временные и технологические рамки на получение готового продукта – обученной на распознавание заданного типа изображения нейросети.
Решением, позволяющим обойти значительную часть ограничений, является применение метода «конвейеризации» обучения.
Метод конвейеризации заключается в последовательном наложении искусственных искажений (геометрических деформаций, наложения шумов, размытия и пр.) на ограниченном по выборке датасете, применении различных функций нормирования результата, применении нейросетей различных архитектур, систематизации работы с датасетами.
Поздравляем коллег и желаем продуктивной работы в рамках выполнения гранта!