Vor kurzem fand die nächste Winterverteidigung der Absolventen von drei unserer Technologieprojekte statt – Technopark (Bauman MSTU), Technosphere (Lomonossow-Universität Moskau) und Technotrek (MIPT). Die Teams präsentierten sowohl Umsetzungen ihrer eigenen Ideen als auch Lösungen für reale Geschäftsprobleme, die von verschiedenen Abteilungen der Mai.ru-Gruppe vorgeschlagen wurden.
Unter den Projekten:
- Service zum Verkauf von Geschenken mit Augmented Reality.
- Ein Dienst, der Werbeaktionen, Rabatte und Angebote aus der Mailingliste zusammenfasst.
- Visuelle Suche nach Kleidung.
- Service für elektronisches Buch-Crossing mit Mietoption.
- Intelligenter Lebensmittelscanner.
- Moderner Audioguide.
- Projekt „Mail.ru-Aufgaben“
- Mobiles Fernsehen der Zukunft.
Wir möchten Ihnen sechs Projekte näher vorstellen, die von den Jurymitgliedern und Mentoren besonders hervorgehoben wurden.
Visuelle Suche nach Kleidung
Das Projekt wurde von einem Team von Technosphere-Absolventen vorgestellt. Laut Analysten belief sich der Modemarkt in Russland im Jahr 2018 auf fast 2,4 Billionen Rubel. Die Jungs haben einen Dienst geschaffen, der als intelligenter Assistent für den Einkauf einer Vielzahl von Waren positioniert ist. Hierbei handelt es sich um eine B2B-Lösung, die die Funktionalität von Online-Shops erweitert.
Bei UX-Tests fanden die Autoren des Projekts heraus, dass Menschen unter „ähnlicher Kleidung“ Ähnlichkeit nicht in Farbe oder Muster, sondern in den Attributen der Kleidung verstehen. Deshalb haben die Jungs ein System entwickelt, das nicht nur zwei Bilder vergleicht, sondern auch die semantische Nähe erkennt. Sie laden ein Bild des Kleidungsstücks hoch, an dem Sie interessiert sind, und der Dienst wählt Produkte aus, die für seine Eigenschaften relevant sind.
Technisch funktioniert das System wie folgt:
Das neuronale Netzwerk Cascade Mask-RCNN wurde für die Erkennung und Klassifizierung trainiert. Um die Attribute und die Ähnlichkeit von Kleidung zu bestimmen, wird ein auf ResNext-50 basierendes neuronales Netzwerk mit mehreren Köpfen für Gruppen von Attributen und Triplettverlust für Fotos eines Produkts verwendet. Das gesamte Projekt wurde auf Basis einer Microservice-Architektur umgesetzt.
Zukünftig ist geplant:
- Starten Sie einen Service für alle Bekleidungskategorien.
- Entwickeln Sie eine API für Online-Shops.
- Verbessern Sie die Attributmanipulation.
- Lernen Sie, Abfragen in natürlicher Sprache zu verstehen.
Projektteam: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
Mobiles Fernsehen der Zukunft
Projekt des Technopark-Teams. Die Studierenden erstellten eine Anwendung mit einem TV-Programm für die wichtigsten russischen digitalen Rundfunkkanäle, zu der die Funktion hinzugefügt wurde, Kanäle über IPTV (Online-Kanäle) oder eine Antenne anzusehen.
Am schwierigsten war es, die Antenne an das Android-Gerät anzuschließen: Dafür verwendeten sie einen Tuner, für den die Autoren selbst einen Treiber geschrieben hatten. Dadurch hatten wir die Möglichkeit, in einer Anwendung fernzusehen und den TV-Programmführer auf Android zu nutzen.
Projektteam: Konstantin Mitrakov, Sergey Lomachev.
Ein Dienst, der Werbeaktionen, Rabatte und Angebote aus Mailinglisten zusammenfasst
Dies ist ein Projekt an der Schnittstelle von Werbung und Posttechnologien. Unsere Postfächer sind voller Spam und Mailings. Jeden Tag erhalten wir Briefe mit persönlichen Rabatten, aber wir öffnen sie immer seltener und empfinden sie als „nutzlose Werbung“. Dadurch verlieren Nutzer Vorteile und Werbetreibende erleiden Verluste. Eine Studie von Mail.ru Mail ergab, dass Benutzer eine Zusammenfassung ihrer Rabatte sehen möchten.
Projekt sammelt Informationen über Rabatte und Werbeaktionen aus Ihrem Newsletter und zeigt sie in Form eines Kartenbands an, von dem aus Sie zur Aktionswebsite oder per E-Mail gelangen können. Das Programm kann mit mehreren Postfächern gleichzeitig arbeiten. Es gibt eine Liste ausgewählter Aktien.
Das Projekt verfügt über eine Microservice-Architektur und besteht aus drei Hauptteilen:
- OAuth-Autorisierung zur komfortablen Anbindung von Postfächern.
- Sammlung und Analyse von Briefen mit Werbeaktionen.
- Rabattkarten aufbewahren und anzeigen.
Das Projekt nutzt Technologie zur Verarbeitung natürlicher Sprache unter Verwendung von GPU-Ressourcen: Grafikbeschleuniger ermöglichten eine 50-fache Steigerung der Verarbeitungsgeschwindigkeit. Der Algorithmus basiert auf einem Frage-Antwort-System, das es Ihnen ermöglicht, Lagerkategorien entsprechend neuen Geschäftsanforderungen schnell hinzuzufügen.
Dieses Team sicherte sich laut Jury nicht nur einen Platz unter den Top-Teams, sondern gewann auch den Wettbewerb „Digital Tops 2019“. Dies ist ein Wettbewerb für russische Entwickler, die IT-Tools entwickeln, um die Effizienz von Unternehmen und Regierungsbehörden zu verbessern und die persönliche Produktivität zu steigern. Unser Team gewann die Kategorie Studenten.
Die Studierenden haben große Pläne für die Weiterentwicklung des Projekts, die nächsten sind:
- Integration mit Mail-Diensten.
- Implementierung eines Bildanalysesystems.
- Ein Projekt für ein breites Publikum starten.
Projektteam: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Unabhängig davon möchten wir Ihnen von drei Teams erzählen, die von Mentoren der Mail.ru Group ausgezeichnet wurden, die während des gesamten Semesters mit Studenten zusammengearbeitet haben. Bei der Auswahl der Projekte wurde besonderes Augenmerk auf Projektkomplexität, Umsetzung und Teamarbeit gelegt.
Projekt „Mail.ru-Aufgaben“
Das Projekt wurde sowohl von der Jury als auch von den Mentoren positiv aufgenommen.
„Tasks Mail.ru“ ist der erste unabhängige Dienst zur Pflege einer To-Do-Liste, der vom Unternehmen entwickelt wurde. In den kommenden Monaten werden Aufgaben die Aufgabenlisten im Mail.ru-Kalender ersetzen und nachdem das Projekt für alle Benutzer aktiviert wurde, wird es in Mail.ru Mobile und Web Mail integriert.
Das Projekt wurde mit Offline-First- und Mobile-First-Ansätzen umgesetzt. Das heißt, Sie können die Webanwendung jederzeit, überall und auf allem nutzen. Der Internetzugang spielt keine Rolle: Die Daten werden gespeichert und synchronisiert. Für mehr Komfort können Sie die Anwendung über den Browser „installieren“ und sie sieht dann wie eine native aus.
Intelligenter Lebensmittelscanner
Im Supermarkt können wir nicht immer schnell feststellen, ob ein Lebensmittel für uns geeignet ist oder nicht, wie sicher und gesund es ist. Komplizierter wird die Situation, wenn eine Person diätetische Einschränkungen hat, verschiedene Allergien hat oder eine Diät macht. Mit der Foodwise-Android-App können Sie den Barcode eines Produkts scannen und mühelos prüfen, ob es sich lohnt.
benutze es.
Die Anwendung besteht aus drei Hauptabschnitten: „Profil“, „Kamera“ und „Verlauf“.
Im „Profil“ legen Sie Ihre Präferenzen fest: Im Bereich „Zutaten“ können Sie alle 60 in der Datenbank enthaltenen Inhaltsstoffe von Ihrer Ernährung ausschließen und Informationen zu E-Nahrungsergänzungsmitteln lesen. Mit „Gruppen“ können Sie einen ganzen Zutatenblock auf einmal ausschließen. Wenn Sie beispielsweise „Vegetarismus“ angeben, werden alle Produkte, die Fleisch enthalten, rot hervorgehoben.
Im Bereich „Kamera“ gibt es zwei Modi: Scannen von Barcodes und Erkennen von Gemüse und Obst. Nach dem Scannen des Barcodes erhalten Sie alle Informationen zum Produkt. Von Ihnen ausgeschlossene Zutaten werden rot hervorgehoben.
Alle zuvor gescannten Produkte werden im Verlauf gespeichert. Dieser Abschnitt ist mit Text- und Sprachsuche ausgestattet.
Der Erkennungsmodus für Obst und Gemüse ermöglicht es Ihnen, Informationen über deren Nähr- und Energiewert zu erhalten. Ein Apfel enthält beispielsweise etwa 25 Gramm.
Kohlenhydrate, was für Menschen mit einer kohlenhydratarmen Diät inakzeptabel ist.
Die Anwendung ist in Kotlin geschrieben, die „Kamera“ nutzt ML Kit, um Barcodes zu scannen und Obst und Gemüse zu identifizieren. Das Backend besteht aus zwei Diensten: einem API-Server mit einer Datenbank,
Darin sind 60 Inhaltsstoffe und Zusammensetzungen von 000 Produkten sowie ein in Python und Tensorflow geschriebenes neuronales Netzwerk gespeichert.
Projektteam: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Service zum Verkauf von Geschenken mit Augmented Reality
Jeder Mensch hat mindestens einmal in seinem Leben symbolische Geschenke erhalten. Oft ist für Menschen die Tatsache der Aufmerksamkeit wichtiger als das Geschenk, das sie erhalten. Solche Geschenke sind nicht förderlich, aber ihre Herstellung und Entsorgung wirken sich negativ auf die Natur unseres Planeten aus. So kamen die Autoren des Projekts auf die Idee, einen Service zum Verkauf von Geschenken mit Augmented Reality zu schaffen.
Um die Relevanz der Idee zu testen, haben wir eine Studie durchgeführt. 82 % der Befragten standen vor dem Problem, ein Geschenk auszuwählen. Für 57 % der Befragten bestand die Hauptschwierigkeit bei der Auswahl in der Angst, dass ihre Gaben nicht genutzt würden. 78 % der Menschen sind bereit, sich zu verändern, um Umweltprobleme zu lösen.
Die Autoren stellen drei Thesen auf:
- Geschenke leben in der virtuellen Welt.
- Sie nehmen keinen Platz ein.
- Immer schließen.
Um Augmented Reality im Web zu implementieren, wählten die Autoren die AR.js-Bibliothek, die aus zwei Hauptteilen besteht:
- Der erste ist für das Zeichnen von Grafiken über dem Kamerastream mithilfe von A-Frame oder Three.js verantwortlich.
- Der zweite Teil ist ARToolKit, das für die Erkennung einer Markierung (ein Sonderzeichen, das entweder gedruckt oder auf dem Bildschirm eines anderen Geräts angezeigt werden kann) im Kamera-Ausgabestream verantwortlich ist. Der Marker dient zur Positionierung der Grafiken. Das Vorhandensein von ARToolKit ermöglicht es Ihnen nicht, markerlose Augmented Reality mit AR.js zu erstellen.
AR.js birgt viele Fallstricke. Beispielsweise kann die Verwendung zusammen mit A-Frame dazu führen, dass Stile auf der gesamten Website „durchbrochen“ werden. Daher verwendeten die Autoren ein „Bündel“ aus AR.js + Three.js, was zur Lösung einiger Probleme beitrug. Und um AR.js basierend auf Three.js in React einzubetten, in dem die Projektwebsite geschrieben ist, mussten wir ein AR-Test-2-Repository erstellen (), die eine separate React-Komponente für die Verwendung von AR.js basierend auf Three.js implementiert. Die Darstellung des Modells in Augmented Reality und 3D (für Geräte ohne Kamera) wurde implementiert.
Später stellte sich jedoch heraus, dass Benutzer nicht verstehen, was ein Marker ist und wie man ihn verwendet. Daher sind die Autoren auf die -Technologie umgestiegen, die derzeit von Google aktiv weiterentwickelt wird. Es verwendet ARKit (iOS) oder ARCore (Android), um Modelle ohne Markierung in AR zu rendern. Die Technologie basiert auf Three.js und beinhaltet einen 3D-Modell-Viewer. Die Benutzerfreundlichkeit des Programms hat sich deutlich verbessert, allerdings benötigen Sie zum Betrachten von Augmented Reality ein Gerät mit iOS 12 oder neuer.
Das Projekt ist jetzt verfügbar unter (), wo Sie Ihr erstes Geschenk erhalten können.
Projektteam: Denis Stasyev, Anton Chadov.
Mehr über unsere Bildungsprojekte erfahren Sie unter . Und besuchen Sie den Kanal öfter Dort erscheinen regelmäßig neue Lehrvideos über Programmierung, Entwicklung und andere Disziplinen.
Source: habr.com