Recientemente tuvo lugar la próxima defensa invernal de los graduados de tres de nuestros proyectos tecnológicos: Technopark (Bauman MSTU), Technosphere (Universidad Estatal Lomonosov de Moscú) y Technotrek (MIPT). Los equipos presentaron tanto implementaciones de sus propias ideas como soluciones a problemas comerciales reales propuestas por diferentes divisiones del Grupo Mai.ru.
Entre los proyectos:
- Servicio de venta de regalos con realidad aumentada.
- Un servicio que agrega promociones, descuentos y ofertas de la lista de correo.
- Búsqueda visual de ropa.
- Servicio de cruce de libros electrónicos con opción de alquiler.
- Escáner de alimentos inteligente.
- Audioguía moderna.
- Proyecto "Tareas de Mail.ru"
- La televisión móvil del futuro.
Nos gustaría contarle con más detalle seis proyectos que fueron especialmente destacados por los miembros del jurado y los mentores.
Búsqueda visual de ropa.
El proyecto fue presentado por un equipo de graduados de Technosphere. Según los analistas, el mercado de la moda en Rusia en 2018 ascendió a casi 2,4 billones de rublos. Los chicos crearon un servicio que se posiciona como un asistente inteligente para realizar compras de una gran variedad de productos. Se trata de una solución B2B que amplía la funcionalidad de las tiendas online.
Durante las pruebas de UX, los autores del proyecto descubrieron que por "vestimenta similar" la gente entiende la similitud no en el color o el patrón, sino en los atributos de la ropa. Por lo tanto, los chicos desarrollaron un sistema que no sólo compara dos imágenes, sino que también comprende la proximidad semántica. Subes una imagen de la prenda que te interesa y el servicio selecciona productos que son relevantes para sus atributos.
Técnicamente el sistema funciona de la siguiente manera:
La red neuronal Cascade Mask-RCNN fue entrenada para la detección y clasificación. Para determinar los atributos y similitudes de la ropa, se utiliza una red neuronal basada en ResNext-50 con varios cabezales para grupos de atributos y pérdida Triplet para fotografías de un producto. Todo el proyecto se implementó en base a una arquitectura de microservicios.
En el futuro está previsto:
- Lanzar un servicio para todas las categorías de ropa.
- Desarrollar una API para tiendas online.
- Mejorar la manipulación de atributos.
- Aprenda a comprender consultas en lenguaje natural.
Equipo del proyecto: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
La televisión móvil del futuro
Proyecto del equipo de Tecnoparque. Los estudiantes crearon una aplicación con la programación de TV de los principales canales de radiodifusión digital rusos, a la que se le añadió la función de visualización de canales mediante IPTV (canales online) o una antena.
Lo más difícil fue conectar la antena al dispositivo Android: para ello utilizaron un sintonizador, para el cual los propios autores escribieron un controlador. Como resultado, tuvimos la oportunidad de ver televisión y utilizar la guía de programas de televisión en Android en una sola aplicación.
Equipo del proyecto: Konstantin Mitrakov, Sergey Lomachev.
Un servicio que agrega promociones, descuentos y ofertas de listas de correo.
Este es un proyecto en la intersección de la publicidad y las tecnologías postales. Nuestros buzones de correo están llenos de spam y correos electrónicos. Cada día recibimos cartas con descuentos personales, pero cada vez las abrimos menos, percibiéndolas como “publicidad inútil”. Debido a esto, los usuarios pierden beneficios y los anunciantes sufren pérdidas. Un estudio de Mail.ru Mail demostró que los usuarios quieren ver un resumen de los descuentos que tienen.
proyecto recopila información sobre descuentos y promociones de su boletín y los muestra en forma de una cinta de tarjetas desde la que puede ir al sitio web de la promoción o al correo electrónico. El programa puede trabajar con varios buzones a la vez. Hay una lista de acciones seleccionadas.
El proyecto tiene una arquitectura de microservicio y consta de tres partes principales:
- Autorización OAuth para una cómoda conexión de buzones de correo.
- Recopilación y análisis de cartas con promociones.
- Almacenamiento y exhibición de tarjetas de descuento.
El proyecto utiliza tecnología de procesamiento del lenguaje natural utilizando recursos de GPU: los aceleradores de gráficos permitieron aumentar la velocidad de procesamiento 50 veces. El algoritmo se basa en un sistema de preguntas y respuestas, que le permite agregar rápidamente categorías de acciones de acuerdo con los nuevos requisitos comerciales.
Este equipo no solo ganó un lugar entre los mejores equipos según el jurado, sino que también ganó el concurso “Digital Tops 2019”. Se trata de un concurso para desarrolladores rusos que crean herramientas informáticas para mejorar la eficiencia de las empresas y agencias gubernamentales, así como para aumentar la productividad personal. Nuestro equipo ganó la categoría de estudiantes.
Los estudiantes tienen grandes planes para el desarrollo posterior del proyecto, los siguientes son:
- Integración con servicios de correo.
- Implementación de un sistema de análisis de imágenes.
- Lanzar un proyecto para una amplia audiencia.
Equipo del proyecto: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Por otra parte, nos gustaría contarles sobre tres equipos que fueron reconocidos por los mentores del Grupo Mail.ru que trabajaron con estudiantes durante todo el semestre. A la hora de seleccionar los proyectos se prestó especial atención a la complejidad, la implementación y el trabajo en equipo.
Proyecto "Tareas de Mail.ru"
El proyecto fue notado tanto por el jurado como por los mentores.
“Tasks Mail.ru” es el primer servicio independiente para mantener una lista de tareas pendientes desarrollado por la empresa. En los próximos meses, Tasks reemplazará las listas de tareas en Mail.ru Calendar y, una vez que el proyecto esté habilitado para todos los usuarios, se integrará en Mail.ru mobile y web Mail.
El proyecto se implementó utilizando enfoques primero fuera de línea y primero en dispositivos móviles. Es decir, puedes utilizar la aplicación web en cualquier momento, en cualquier lugar y en cualquier lugar. El acceso a Internet no importa: los datos se guardarán y sincronizarán. Para mayor comodidad, puede "instalar" la aplicación desde el navegador y se verá como nativa.
Escáner de alimentos inteligente
En el supermercado no siempre podemos determinar rápidamente si un producto alimenticio es adecuado para nosotros o no, qué tan seguro y saludable es. La situación se complica si una persona tiene restricciones dietéticas, diversas alergias o está a dieta. La aplicación Foodwise para Android le permite escanear el código de barras de un producto y ver sin esfuerzo si vale la pena.
úsalo.
La aplicación tiene tres secciones principales: “Perfil”, “Cámara” e “Historial”.
En el “Perfil” estableces tus preferencias: en la sección “Ingredientes” puedes excluir de tu dieta cualquiera de los 60 ingredientes incluidos en la base de datos y leer información sobre E-supplements. Los "Grupos" le permiten excluir un bloque completo de ingredientes a la vez. Por ejemplo, si especifica "Vegetarianismo", todos los productos que contengan carne se resaltarán en rojo.
Hay dos modos en la sección "Cámara": escanear códigos de barras y reconocer verduras y frutas. Después de escanear el código de barras, obtendrás toda la información sobre el producto. Los ingredientes que haya excluido se resaltarán en rojo.
Todos los productos escaneados previamente se guardarán en el Historial. Esta sección está equipada con búsqueda de texto y voz.
El modo de reconocimiento de frutas y verduras permite obtener información sobre su valor nutricional y energético. Por ejemplo, una manzana contiene aproximadamente 25 gramos.
carbohidratos, lo cual es inaceptable para personas que siguen una dieta baja en carbohidratos.
La aplicación está escrita en Kotlin, la "Cámara" utiliza ML Kit para escanear códigos de barras e identificar frutas y verduras. El backend consta de dos servicios: un servidor API con una base de datos,
que almacena 60 ingredientes y composiciones de 000 productos, así como una red neuronal escrita en Python y Tensorflow.
Equipo del proyecto: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Servicio de venta de regalos con realidad aumentada
Toda persona ha recibido regalos simbólicos al menos una vez en su vida. A menudo, para las personas, el hecho de recibir atención es más importante que el regalo que reciben. Estos obsequios no son beneficiosos, pero su producción y eliminación tienen un impacto negativo en la naturaleza de nuestro planeta. Así surgió la idea de los autores del proyecto de crear un servicio de venta de regalos con realidad aumentada.
Para probar la relevancia de la idea, realizamos un estudio. El 82% de los encuestados se encontró con el problema de elegir un regalo. Para el 57% de los encuestados, la principal dificultad a la hora de elegir fue el miedo a que sus regalos no fueran utilizados. El 78% de las personas están dispuestas a cambiar para resolver los problemas medioambientales.
Los autores plantean tres tesis:
- Los regalos viven en el mundo virtual.
- No ocupan espacio.
- Siempre cerca.
Para implementar la realidad aumentada en la web, los autores eligieron la biblioteca AR.js, que consta de dos partes principales:
- El primero es responsable de dibujar gráficos sobre la transmisión de la cámara usando A-Frame o Three.js.
- La segunda parte es ARToolKit, que se encarga de reconocer un marcador (un carácter especial que puede imprimirse o mostrarse en la pantalla de otro dispositivo) en el flujo de salida de la cámara. El marcador se utiliza para posicionar los gráficos. La presencia de ARToolKit no le permite crear realidad aumentada sin marcadores utilizando AR.js.
AR.js esconde muchos peligros. Por ejemplo, su uso junto con A-Frame puede "romper" estilos en todo el sitio. Por lo tanto, los autores utilizaron un "paquete" de AR.js + Three.js, que ayudó a resolver algunos de los problemas. Y para incrustar AR.js basado en Three.js en React, en el que está escrito el sitio web del proyecto, tuvimos que crear un repositorio AR-Test-2 (), que implementa un componente React separado para usar AR.js basado en Three.js. Se implementó la visualización del modelo en realidad aumentada y 3D (para dispositivos sin cámara).
Sin embargo, más tarde resultó que los usuarios no entienden qué es un marcador y cómo usarlo. Por lo tanto, los autores cambiaron a la tecnología. , que actualmente está siendo desarrollado activamente por Google. Utiliza ARKit (iOS) o ARCore (Android) para renderizar modelos en AR sin marcador. La tecnología se basa en Three.js e incluye un visor de modelos 3D. La usabilidad del programa ha mejorado significativamente, sin embargo, para ver la realidad aumentada es necesario un dispositivo con iOS 12 o posterior.
El proyecto ya está disponible en (), donde podrás recibir tu primer regalo.
Equipo del proyecto: Denis Stasyev, Anton Chadov.
Puedes leer más sobre nuestros proyectos educativos en . Y visita el canal más seguido. , aparecen periódicamente nuevos vídeos educativos sobre programación, desarrollo y otras disciplinas.
Fuente: habr.com