For nylig fandt det næste vinterforsvar af kandidater fra tre af vores teknologiprojekter sted - Technopark (Bauman MSTU), Technosphere (Lomonosov Moscow State University) og Technotrek (MIPT). Holdene præsenterede både implementeringer af deres egne ideer og løsninger på reelle forretningsproblemer foreslået af forskellige afdelinger af Mai.ru Group.
Blandt projekterne:
- Service til salg af gaver med augmented reality.
- En tjeneste, der samler kampagner, rabatter og tilbud fra mailinglisten.
- Visuel søgen efter tøj.
- Service til elektronisk bogkrydsning med mulighed for leje.
- Smart madscanner.
- Moderne lydguide.
- Projekt "Mail.ru Opgaver"
- Fremtidens mobil-tv.
Vi vil gerne fortælle mere detaljeret om seks projekter, som især blev fremhævet af jurymedlemmer og mentorer.
Visuel søgen efter tøj
Projektet blev præsenteret af et hold af Technosphere-kandidater. Ifølge analytikere udgjorde modemarkedet i Rusland i 2018 næsten 2,4 billioner rubler. Fyrene skabte en tjeneste, der er placeret som en intelligent assistent til at foretage indkøb i et stort udvalg af varer. Dette er en B2B-løsning, der udvider funktionaliteten i netbutikker.
Under UX-test fandt projektets forfattere ud af, at ved "lignende kjole" forstår folk lighed ikke i farve eller mønster, men i tøjets egenskaber. Derfor udviklede fyrene et system, der ikke kun sammenligner to billeder, men forstår semantisk nærhed. Du uploader et billede af det tøj, du er interesseret i, og tjenesten udvælger produkter, der er relevante for dens egenskaber.
Teknisk set fungerer systemet som følger:
Cascade Mask-RCNN neurale netværk blev trænet til detektion og klassificering. For at bestemme attributterne og ligheden af tøj, bruges et neuralt netværk baseret på ResNext-50 med flere hoveder til grupper af attributter, og Triplet-tab til fotografier af et produkt. Hele projektet blev implementeret baseret på mikroservicearkitektur.
I fremtiden er det planlagt:
- Start en service for alle kategorier af tøj.
- Udvikle en API til onlinebutikker.
- Forbedre attributmanipulation.
- Lær at forstå forespørgsler i naturligt sprog.
Projektteam: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
Fremtidens mobil-tv
Projekt af Technopark-teamet. Studerende oprettede en applikation med en tv-tidsplan for de vigtigste russiske digitale udsendelseskanaler, hvortil blev tilføjet funktionen til at se kanaler ved hjælp af IPTV (online-kanaler) eller en antenne.
Det sværeste var at fastgøre antennen til Android-enheden: til dette brugte de en tuner, som forfatterne selv skrev en driver til. Som et resultat fik vi mulighed for at se tv og bruge tv-programguiden på Android i én applikation.
Projektteam: Konstantin Mitrakov, Sergey Lomachev.
En tjeneste, der samler kampagner, rabatter og tilbud fra mailinglister
Dette er et projekt i skæringspunktet mellem reklame- og postteknologier. Vores postkasser er fulde af spam og forsendelser. Hver dag modtager vi breve med personlige rabatter, men vi åbner dem mindre og mindre og opfatter dem som "ubrugelig reklame." På grund af dette mister brugere fordele, og annoncører lider tab. En undersøgelse fra Mail.ru Mail viste, at brugerne ønsker at se en oversigt over de rabatter, de har.
Projekt
Projektet har en mikroservicearkitektur og består af tre hoveddele:
- OAuth-autorisation for bekvem tilslutning af postkasser.
- Indsamling og analyse af breve med kampagner.
- Opbevaring og fremvisning af rabatkort.
Projektet bruger naturligt sprogbehandlingsteknologi ved hjælp af GPU-ressourcer: grafikacceleratorer gjorde det muligt at øge behandlingshastigheden med 50 gange. Algoritmen er baseret på et spørgsmål-svar-system, som giver dig mulighed for hurtigt at tilføje lagerkategorier i overensstemmelse med nye forretningskrav.
Dette hold vandt ikke kun en plads i topholdene ifølge juryen, men vandt også konkurrencen "Digital Tops 2019". Dette er en konkurrence for russiske udviklere, der skaber it-værktøjer for at forbedre effektiviteten af erhvervslivet og offentlige myndigheder samt for at øge den personlige produktivitet. Vores hold vandt elevkategorien.
Eleverne har store planer for den videre udvikling af projektet, de næste er:
- Integration med posttjenester.
- Implementering af billedanalysesystem.
- Lancering af et projekt for et bredt publikum.
Projektteam: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Separat vil vi gerne fortælle dig om tre teams, der blev anerkendt af Mail.ru Groups mentorer, som arbejdede med studerende gennem semesteret. Der blev lagt særlig vægt på projektkompleksitet, implementering og teamwork ved udvælgelse af projekter.
Projekt "Mail.ru Opgaver"
Projektet blev noteret af både jury og mentorer.
"Tasks Mail.ru" er den første uafhængige tjeneste til at vedligeholde en huskeliste, udviklet af virksomheden. I de kommende måneder vil Tasks erstatte opgavelister i Mail.ru Calendar, og efter at projektet er aktiveret for alle brugere, vil det blive integreret i Mail.ru mobil- og webmail.
Projektet blev implementeret ved hjælp af Offline-first og Mobile-first tilgange. Det vil sige, at du kan bruge webapplikationen når som helst, hvor som helst og på hvad som helst. Internetadgang betyder ikke noget: dataene vil blive gemt og synkroniseret. For større bekvemmelighed kan du "installere" applikationen fra browseren, og den vil ligne en indfødt.
Smart madscanner
I dagligvarebutikken kan vi ikke altid hurtigt afgøre, om en fødevare er egnet til os eller ej, hvor sikker og sund den er. Situationen bliver mere kompliceret, hvis en person har diætrestriktioner, forskellige allergier eller er på diæt. Foodwise Android-appen giver dig mulighed for at scanne et produkts stregkode og ubesværet se, om det er det værd.
brug det.
Applikationen har tre hovedsektioner: "Profil", "Kamera" og "Historie".
I "Profilen" angiver du dine præferencer: I afsnittet "Ingredienser" kan du udelukke enhver af de 60 ingredienser, der er inkluderet i databasen, fra din kost og læse information om E-kosttilskud. "Grupper" giver dig mulighed for at udelukke en hel blok af ingredienser på én gang. For eksempel, hvis du angiver "Vegetarisme", vil alle produkter, der indeholder kød, blive fremhævet med rødt.
Der er to tilstande i "Kamera"-sektionen: scanning af stregkoder og genkendelse af grøntsager og frugter. Efter at have scannet stregkoden, får du alle oplysninger om produktet. Ingredienser, du har udeladt, vil blive fremhævet med rødt.
Alle tidligere scannede produkter vil blive gemt i Historien. Denne sektion er udstyret med tekst- og stemmesøgning.
Genkendelsestilstanden for frugt og grøntsager giver dig mulighed for at få information om deres ernæringsmæssige og energimæssige værdi. For eksempel indeholder et æble cirka 25 gram.
kulhydrater, hvilket er uacceptabelt for folk på en low-carb diæt.
Ansøgningen er skrevet i Kotlin, "Kameraet" bruger ML Kit til at scanne stregkoder og identificere frugter og grøntsager. Backend består af to tjenester: en API-server med en database,
som opbevarer 60 ingredienser og sammensætninger af 000 produkter, samt et neuralt netværk skrevet i Python og Tensorflow.
Projektteam: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Service til salg af gaver med augmented reality
Hver person har modtaget symbolske gaver mindst én gang i deres liv. For folk er opmærksomheden ofte vigtigere end den gave, de modtager. Sådanne gaver er ikke gavnlige, men deres produktion og bortskaffelse har en negativ indvirkning på vores planets natur. Sådan kom projektets forfattere på ideen om at skabe en service til salg af gaver med augmented reality.
For at teste relevansen af ideen gennemførte vi en undersøgelse. 82 % af de adspurgte stod over for problemet med at vælge en gave. For 57 % af de adspurgte var den største vanskelighed ved at vælge frygten for, at deres gaver ikke ville blive brugt. 78 % af mennesker er klar til at ændre sig for at løse miljøproblemer.
Forfatterne fremlagde tre teser:
- Gaver lever i den virtuelle verden.
- De fylder ikke.
- Altid i nærheden.
For at implementere augmented reality på nettet valgte forfatterne AR.js-biblioteket, som består af to hoveddele:
- Den første er ansvarlig for at tegne grafik oven på kamerastrømmen ved hjælp af A-Frame eller Three.js.
- Den anden del er ARToolKit, som er ansvarlig for at genkende en markør (et specialtegn, der enten kan udskrives eller vises på skærmen på en anden enhed) i kameraets outputstrøm. Markøren bruges til at placere grafikken. Tilstedeværelsen af ARToolKit tillader dig ikke at skabe markørløs augmented reality ved hjælp af AR.js.
AR.js gemmer på mange faldgruber. For eksempel kan dets brug sammen med A-Frame "bryde" stilarter på hele webstedet. Derfor brugte forfatterne et "bundt" af AR.js + Three.js, som hjalp med at løse nogle af problemerne. Og for at indlejre AR.js baseret på Three.js i React, hvor projektets hjemmeside er skrevet, var vi nødt til at oprette et AR-Test-2 repository (
Det viste sig dog senere, at brugerne ikke forstår, hvad en markør er, og hvordan man bruger den. Derfor gik forfatterne over til teknologi , som i øjeblikket aktivt udvikles af Google. Den bruger ARKit (iOS) eller ARCore (Android) til at gengive modeller i AR uden en markør. Teknologien er baseret på Three.js og inkluderer en 3D-modelfremviser. Brugervenligheden af programmet er forbedret markant, men for at se augmented reality skal du bruge en enhed med iOS 12 eller nyere.
Projektet er nu tilgængeligt på (
Projektteam: Denis Stasyev, Anton Chadov.
Du kan læse mere om vores uddannelsesprojekter på
Kilde: www.habr.com