ProHoster > Blog > internetes hírek > Startupok az ITMO Egyetem gyorsítójából – a számítógépes látás korai szakaszában zajló projektek
Startupok az ITMO Egyetem gyorsítójából – a számítógépes látás korai szakaszában zajló projektek
Ma mi folytatni beszélni az átjutott csapatokról a gyorsítónk. Ebben a habrapostban ketten lesznek. Az első a Labra startup, amely a munkatermelékenység nyomon követésére fejleszt megoldást. Második - O.VISION forgókapuk arcfelismerő rendszerével.
A nyugati piacokon lelassult a termelékenység növekedése. Által Szerint McKinsey, a 2,4-es évek elején ez az arány 2010% volt. 2014 és 0,5 között azonban 2%-ra esett vissza. Az elemzők megjegyzik, hogy a helyzet azóta sem változott. De van egy vélemény, hogy a mesterséges intelligencia rendszerek segítenek megoldani a problémát. A mesterséges intelligencia rendszerek segítségével a termelékenység növekedése várhatóan tíz éven belül XNUMX%-ra tér vissza. Az intelligens algoritmusok segítenek automatizálni a rutinfeladatokat és optimalizálni a munkafolyamatokat.
Ezeken a területeken már folynak a kutatások az ország szakemberei Jóslat, mérnökök vezető nyugati egyetemek sőt képviselői is Londoni Királyi Társaság. A gépi látás fontos szerepet fog játszani a termelékenység növekedésében. A technológia a munkahely és az alkalmazottak teljesítményének független értékelésére szolgál. Ilyen megoldásokat már a nyugati cégek is bevezetnek - pl. microsoft и Walmart.
Az orosz cégek a munkatermelékenység felmérésére is megoldásokat fejlesztenek ki. Például a Labra startup, amely átment a miénk gyorsító program. A mérnökök egy neurális hálózattal rendelkező videó megfigyelő rendszert készítenek, amely felismeri a vállalati alkalmazottak tevékenységét, és világossá teszi, hogy pontosan mivel töltik munkaidejüket.
Hogyan működik a rendszer. A Labra bármely gépi vagy gépi kézi munkával működő vállalkozásban működhet, amelynek létszáma meghaladja a 15 főt. Kamerák segítségével alakítja ki az ún munkanap fotó - vagyis mindent rögzít, ami a műszak alatt történik. Általánosságban az algoritmus így néz ki:
A rendszer rögzíti a képet és megjelöli a munkaműveleteket;
Egy gépi tanulási algoritmus elemzi a videót;
Az algoritmus ezután elkészíti a munkanap fényképét;
Ezután az elemzés automatikusan kiszámításra kerül;
A Labra zárójelentést készít ajánlásokkal, amelyek növelik a vállalat biztonságát és optimalizálják az erőforrásokat.
Kik vannak a csapatban? A startup nyolc főből áll: a menedzser és az alapító, két fejlesztő, három munkaügyi szakértő. Van egy ügyfélszolgálati vezető és egy könyvelő is. Némelyikük a projektmunkát egyetemi tanulmányokkal ötvözi. Ezért mindenki önállóan figyeli a feladatok és a határidők teljesítését. A csapat azonban hetente kétszer találkozókat tart, hogy megvitassák az előrehaladást és a fejlesztési terveket.
Perspektívák. Szeptember elején a startup bemutatta projektjét a Szentpétervári Digitális Fórumon. Ott a mérnökök bemutatták a termék képességeit. A Labra a megoldás további népszerűsítését tervezi, és az ország vállalkozásaival való együttműködés lehetőségén dolgozik.
Az O.VISION segít megszabadulni a kulcsoktól és a bérletektől
2017-ben az MIT Technology Review bekapcsolva arcfelismerés a legjobb 10 áttörést jelentő technológiában. Ez a döntés részben az ilyen rendszerek széles körű alkalmazhatóságának volt köszönhető. Különösen a szokásos kulcsokat és bérleteket tudják lecserélni az épületbe való belépéskor – például számos orosz bank végrehajtott már hasonló fejlesztéseket. Új szereplők is megjelennek a piacon, egy startup például hasonló megoldást fejleszt O.VISION. A csapat érintésmentes beléptető rendszert készít a forgókapuk számára, amely 30 perc alatt telepíthető.
Hogyan működik a rendszer. A fejlesztés az ellenőrzőpontra telepített szoftver és hardver komplexum. Öt neurális hálózaton alapul, amelyek a biometrikus rendszer kamerájából származó egyes képkockákat dolgozzák fel. A szerzők szerint egyetlen kép feldolgozása kevesebb mint 200 milliszekundumot vesz igénybe (körülbelül öt képkocka másodpercenként). A csapat minden felismerési algoritmust és interfészt önállóan ír – a fejlesztők nem használnak szabadalmaztatott megoldásokat. Neurális hálózatok képzése segítségével PyTorch keretrendszer.
Az adatfeldolgozás helyben történik. Ez a megközelítés növeli a személyes biometrikus adatok biztonságát. A hardver tartalmazza az Nvidia Jetson TX1 kártyáját, amelyet önálló eszközökhöz terveztek. A biometrikus rendszer egy saját tervezésű integrált áramkört is tartalmaz a forgókapuk vezérlésére és azokkal való integrációra ROHAN.
Startup alkalmazottak. A cégvezető elmondja, hogy a kiválasztás alapelv szerint zajlott: 60 jelentkező egy helyre. Ez a formátum lehetővé tette számunkra, hogy a legtehetségesebb embereket toborozzuk. Jelenleg több programozó is dolgozik a projekten, akik a gépi tanulási algoritmusokért és a beágyazott rendszerek kódjáért felelnek. Van még egy háttérfejlesztő, egy információbiztonsági szakember és egy tervező. Az alkalmazottak egy része hallgató, aki a munkát a mesterképzéssel ötvözi.
Perspektívák. Mai megoldások O.VISION Európa legnagyobb kávégyárában telepítették. A termék bevezetésre készül az egyik szentpétervári fitneszközpontban és a Műszaki Egyetemen is. Talán a jövőben az O.VISION-t az ITMO Egyetemen telepítik. A cégvezető elmondása szerint már tárgyalnak orosz nagyvállalatokkal: a Gazprom Nefttel, a Beeline-nal, a Rostelecommal és az Orosz Vasúttal. A jövőben külföldi piacokra lépünk.