Recentemente, tivo lugar a próxima defensa de inverno dos titulados de tres dos nosos proxectos tecnolóxicos: Technopark (Bauman MSTU), Technosphere (Lomonosov Moscow State University) e Technotrek (MIPT). Os equipos presentaron tanto implementacións das súas propias ideas como solucións a problemas comerciais reais propostas por diferentes divisións do Grupo Mai.ru.
Entre os proxectos:
- Servizo de venda de agasallos con realidade aumentada.
- Un servizo que agrega promocións, descontos e ofertas da lista de correo.
- Визуальный поиск одежды.
- Servizo de cruce de libros electrónicos con opción de aluguer.
- Escáner intelixente de alimentos.
- Audioguía moderna.
- Proxecto "Tarefas de Mail.ru"
- Televisión móbil do futuro.
Queremos contarvos con máis detalle seis proxectos que foron especialmente destacados polos membros do xurado e os mentores.
Busca visual de roupa
O proxecto foi presentado por un equipo de titulados de Technosphere. Segundo os analistas, o mercado de moda en Rusia en 2018 ascendeu a case 2,4 billóns de rublos. Os mozos crearon un servizo que se posiciona como un asistente intelixente para facer compras nunha gran variedade de produtos. Esta é unha solución B2B que amplía a funcionalidade das tendas en liña.
Durante as probas de UX, os autores do proxecto descubriron que por "vestimento semellante" as persoas entenden a semellanza non na cor ou no patrón, senón nos atributos da roupa. Polo tanto, os mozos desenvolveron un sistema que non só compara dúas imaxes, senón que entende a proximidade semántica. Cargas unha imaxe da peza de roupa que che interesa e o servizo selecciona produtos que sexan relevantes para os seus atributos.
Tecnicamente, o sistema funciona do seguinte xeito:
A rede neuronal Cascade Mask-RCNN foi adestrada para a detección e clasificación. Para determinar os atributos e a semellanza da roupa, utilízase unha rede neuronal baseada en ResNext-50 con varias cabezas para os grupos de atributos e a perda de triplete para as fotografías dun produto. Todo o proxecto foi implementado baseándose na arquitectura de microservizos.
No futuro está previsto:
- Poñer en marcha un servizo para todas as categorías de roupa.
- Desenvolver unha API para tendas en liña.
- Mellorar a manipulación de atributos.
- Aprender a comprender as consultas en linguaxe natural.
Equipo do proxecto: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
TV móbil do futuro
Proxecto do equipo de Technopark. Os estudantes crearon unha aplicación cunha programación de televisión para as principais canles de transmisión dixital rusas, á que se engadiu a función de ver as canles mediante IPTV (canles en liña) ou unha antena.
O máis difícil foi conectar a antena ao dispositivo Android: para iso utilizaron un sintonizador, para o que os propios autores escribiron un controlador. Como resultado, tivemos a oportunidade de ver televisión e usar a guía de programas de TV en Android nunha única aplicación.
Equipo do proxecto: Konstantin Mitrakov, Sergey Lomachev.
Un servizo que agrega promocións, descontos e ofertas das listas de correo
Trátase dun proxecto na intersección das tecnoloxías publicitarias e postais. As nosas caixas de correo están cheas de spam e correos. Cada día recibimos cartas con descontos persoais, pero as abrimos cada vez menos, percibíndoas como “publicidade inútil”. Por iso, os usuarios perden beneficios e os anunciantes sofren perdas. Un estudo de Mail.ru Mail demostrou que os usuarios queren ver un resumo dos descontos que teñen.
Proxecto recolle información sobre descontos e promocións do teu boletín informativo e móstraas en forma de cinta de tarxetas desde as que podes ir ao sitio web da promoción ou ao correo electrónico. O programa pode funcionar con varias caixas de correo á vez. Hai unha lista de accións seleccionadas.
O proxecto ten unha arquitectura de microservizos e consta de tres partes principais:
- Autorización OAuth para a conexión cómoda das caixas de correo.
- Recollida e análise de cartas con promocións.
- Almacenamento e exhibición de tarxetas de desconto.
O proxecto utiliza tecnoloxía de procesamento da linguaxe natural utilizando recursos da GPU: os aceleradores gráficos permitiron aumentar a velocidade de procesamento 50 veces. O algoritmo baséase nun sistema de preguntas e respostas, que permite engadir rapidamente categorías de accións de acordo cos novos requisitos comerciais.
Este equipo non só conseguiu un lugar nos primeiros equipos segundo o xurado, senón que tamén gañou o concurso "Digital Tops 2019". Esta é unha competición para desenvolvedores rusos que crean ferramentas informáticas para mellorar a eficiencia das axencias comerciais e gobernamentais, así como para aumentar a produtividade persoal. O noso equipo gañou a categoría de estudantes.
Os estudantes teñen grandes plans para o desenvolvemento posterior do proxecto, os seguintes son:
- Integración cos servizos de correo.
- Implantación dun sistema de análise de imaxes.
- Posta en marcha dun proxecto para un amplo público.
Equipo do proxecto: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Por separado, gustaríanos falarvos de tres equipos que foron recoñecidos polos mentores do Grupo Mail.ru que traballaron con estudantes ao longo do semestre. Prestouse especial atención á complexidade do proxecto, á execución e ao traballo en equipo á hora de seleccionar os proxectos.
Proxecto "Tarefas de Mail.ru"
O proxecto foi valorado tanto polo xurado como polos mentores.
"Tarefas de Mail.ru" é o primeiro servizo independente para manter unha lista de tarefas, desenvolvido pola empresa. Nos próximos meses, Tarefas substituirá as listas de tarefas no Calendario de Mail.ru e, despois de que o proxecto estea activado para todos os usuarios, integrarase en Mail.ru móbil e correo web.
O proxecto implementouse utilizando enfoques Offline-first e Mobile-first. É dicir, podes usar a aplicación web en calquera momento, en calquera lugar e en calquera cousa. O acceso a Internet non importa: os datos gardaranse e sincronizaranse. Para maior comodidade, pode "instalar" a aplicación desde o navegador, e parecerá nativa.
Escáner intelixente de alimentos
No supermercado, non sempre podemos determinar rapidamente se un produto alimenticio é axeitado para nós ou non, o que é seguro e saudable. A situación faise máis complicada se unha persoa ten restricións dietéticas, varias alerxias ou está a dieta. A aplicación de Android Foodwise permítelle escanear o código de barras dun produto e ver sen esforzo se paga a pena.
Úsao.
В приложении есть три основных раздела: «Профиль», «Камера» и «История».
No "Perfil" estableces as túas preferencias: na sección "Ingredientes" podes excluír da túa dieta calquera dos 60 ingredientes incluídos na base de datos e ler información sobre os suplementos electrónicos. Os "grupos" permítenche excluír un bloque enteiro de ingredientes á vez. Por exemplo, se especificas "Vexetarianismo", todos os produtos que conteñan carne resaltaranse en vermello.
В разделе «Камера» есть два режима: сканирование штрих-кодов и распознавание овощей и фруктов. После сканирования штрих-кода вы получите всю информацию о продукте. Исключённые вами ингредиенты будут подсвечены красным.
Todos os produtos escaneados anteriormente gardaranse no historial. Esta sección está equipada con busca de texto e voz.
O modo de recoñecemento de froitas e verduras permite obter información sobre o seu valor nutricional e enerxético. Por exemplo, unha mazá contén aproximadamente 25 gramos.
hidratos de carbono, o que é inaceptable para as persoas cunha dieta baixa en carbohidratos.
A aplicación está escrita en Kotlin; a "Cámara" usa ML Kit para escanear códigos de barras e identificar froitas e verduras. O backend consta de dous servizos: un servidor API cunha base de datos,
que almacena 60 ingredientes e composicións de 000 produtos, así como unha rede neuronal escrita en Python e Tensorflow.
Equipo do proxecto: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Servizo de venda de agasallos con realidade aumentada
Cada persoa recibiu agasallos simbólicos polo menos unha vez na súa vida. Moitas veces, para as persoas, o feito de atención é máis importante que o agasallo que reciben. Tales agasallos non son beneficiosos, pero a súa produción e eliminación teñen un impacto negativo na natureza do noso planeta. Así foi como os autores do proxecto xurdiron a idea de crear un servizo de venda de agasallos con realidade aumentada.
Чтобы проверить актуальность идеи, провели исследование. 82 % респондентов сталкивались с проблемой выбора подарка. Для 57 % опрошенных основной трудностью при выборе стало опасение, что их подарками не будут пользоваться. 78 % людей готовы меняться для решения проблем экологии.
Os autores propuxeron tres teses:
- Os agasallos viven no mundo virtual.
- Non ocupan espazo.
- Sempre preto.
Для реализации дополненной реальности в вебе авторы выбрали библиотеку AR.js, которая состоит из двух основных частей:
- O primeiro é o responsable de debuxar gráficos enriba do fluxo da cámara usando A-Frame ou Three.js.
- A segunda parte é ARToolKit, que se encarga de recoñecer un marcador (un carácter especial que se pode imprimir ou mostrar na pantalla doutro dispositivo) no fluxo de saída da cámara. O marcador úsase para situar os gráficos. A presenza de ARToolKit non che permite crear realidade aumentada sen marcadores usando AR.js.
AR.js esconde moitas trampas. Por exemplo, o seu uso xunto con A-Frame pode "romper" estilos en todo o sitio. Polo tanto, os autores utilizaron un "paquete" de AR.js + Three.js, que axudou a resolver algúns dos problemas. E para incorporar AR.js baseado en Three.js en React, no que está escrito o sitio web do proxecto, tivemos que crear un repositorio AR-Test-2 (), que implementa un compoñente React separado para usar AR.js baseado en Three.js. Implementouse a visualización do modelo en realidade aumentada e 3D (para dispositivos sen cámara).
Non obstante, máis tarde descubriuse que os usuarios non entenden o que é un marcador e como usalo. Polo tanto, os autores cambiaron á tecnoloxía , que actualmente está sendo desenvolvido activamente por Google. Usa ARKit (iOS) ou ARCore (Android) para renderizar modelos en AR sen un marcador. A tecnoloxía baséase en Three.js e inclúe un visor de modelos 3D. A usabilidade do programa mellorou significativamente, non obstante, para ver a realidade aumentada, necesitas un dispositivo con iOS 12 ou posterior.
O proxecto xa está dispoñible en (), onde podes recibir o teu primeiro agasallo.
Equipo do proxecto: Denis Stasyev, Anton Chadov.
Podes ler máis sobre os nosos proxectos educativos en . E visita a canle con máis frecuencia , aparecen alí regularmente novos vídeos educativos sobre programación, desenvolvemento e outras disciplinas.
Fonte: www.habr.com