Recentemente si è svolta la prossima difesa invernale dei laureati di tre dei nostri progetti tecnologici: Technopark (Bauman MSTU), Technosphere (Lomonosov Moscow State University) e Technotrek (MIPT). I team hanno presentato sia le implementazioni delle proprie idee che le soluzioni a problemi aziendali reali proposte da diverse divisioni del Gruppo Mai.ru.
Tra i progetti:
- Servizio per la vendita di regali con la realtà aumentata.
- Un servizio che aggrega promozioni, sconti e offerte dalla mailing list.
- Ricerca visiva di vestiti.
- Servizio di book crossover elettronico con possibilità di noleggio.
- Scanner alimentare intelligente.
- Audioguida moderna.
- Progetto "Attività Mail.ru"
- La televisione mobile del futuro.
Vorremmo parlarvi più in dettaglio di sei progetti che sono stati particolarmente evidenziati dai membri della giuria e dai mentori.
Ricerca visiva di vestiti
Il progetto è stato presentato da un team di laureati di Technosphere. Secondo gli analisti, il mercato della moda in Russia nel 2018 ammontava a quasi 2,4 trilioni di rubli. I ragazzi hanno creato un servizio che si posiziona come un assistente intelligente per effettuare acquisti in un'enorme varietà di prodotti. Questa è una soluzione B2B che espande le funzionalità dei negozi online.
Durante i test UX, gli autori del progetto hanno scoperto che per “abito simile” le persone intendono la somiglianza non nel colore o nel modello, ma negli attributi dell’abbigliamento. Pertanto, i ragazzi hanno sviluppato un sistema che non solo confronta due immagini, ma comprende anche la prossimità semantica. Carichi un'immagine del capo di abbigliamento che ti interessa e il servizio seleziona i prodotti pertinenti ai suoi attributi.
Tecnicamente il sistema funziona nel seguente modo:
La rete neurale Cascade Mask-RCNN è stata addestrata per il rilevamento e la classificazione. Per determinare gli attributi e la somiglianza degli indumenti, per i gruppi di attributi viene utilizzata una rete neurale basata su ResNext-50 con più teste e la perdita di triplette per le fotografie di un prodotto. L'intero progetto è stato implementato sulla base di un'architettura a microservizi.
In futuro è previsto:
- Lancia un servizio per tutte le categorie di abbigliamento.
- Sviluppare un'API per i negozi online.
- Migliora la manipolazione degli attributi.
- Impara a comprendere le query in linguaggio naturale.
Gruppo di progetto: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
La televisione mobile del futuro
Progetto del team Technopark. Gli studenti hanno creato un'applicazione con un palinsesto televisivo per i principali canali di trasmissione digitale russi, alla quale è stata aggiunta la funzione di visualizzazione dei canali tramite IPTV (canali online) o un'antenna.
La cosa più difficile è stata collegare l'antenna al dispositivo Android: per questo è stato utilizzato un sintonizzatore, per il quale gli stessi autori hanno scritto un driver. Di conseguenza, abbiamo avuto l'opportunità di guardare la TV e utilizzare la guida dei programmi TV su Android in un'unica applicazione.
Gruppo di progetto: Konstantin Mitrakov, Sergey Lomachev.
Un servizio che aggrega promozioni, sconti e offerte dalle mailing list
Questo è un progetto all'intersezione tra le tecnologie pubblicitarie e postali. Le nostre caselle di posta sono piene di spam e mailing. Ogni giorno riceviamo lettere con sconti personali, ma le apriamo sempre meno, percependole come “pubblicità inutile”. Per questo motivo, gli utenti perdono vantaggi e gli inserzionisti subiscono perdite. Uno studio di Mail.ru Mail ha dimostrato che gli utenti desiderano vedere un riepilogo degli sconti di cui hanno diritto.
Progetto raccoglie informazioni su sconti e promozioni dalla tua newsletter e le visualizza sotto forma di un nastro di carte da cui puoi accedere al sito Web della promozione o inviare un'e-mail. Il programma può funzionare con più caselle di posta contemporaneamente. C'è un elenco di titoli selezionati.
Il progetto ha un’architettura a microservizi e si compone di tre parti principali:
- Autorizzazione OAuth per una comoda connessione delle caselle di posta.
- Raccolta e analisi delle lettere con promozioni.
- Conservazione ed esposizione delle carte sconto.
Il progetto utilizza la tecnologia di elaborazione del linguaggio naturale utilizzando le risorse GPU: gli acceleratori grafici hanno permesso di aumentare la velocità di elaborazione di 50 volte. L'algoritmo si basa su un sistema di domande-risposte, che consente di aggiungere rapidamente categorie di titoli in conformità con i nuovi requisiti aziendali.
Questa squadra non solo ha conquistato un posto tra i migliori secondo la giuria, ma ha anche vinto il concorso “Digital Tops 2019”. Si tratta di un concorso per sviluppatori russi che creano strumenti IT per migliorare l'efficienza delle imprese e degli enti governativi, nonché per aumentare la produttività personale. La nostra squadra ha vinto la categoria studenti.
Gli studenti hanno grandi progetti per l'ulteriore sviluppo del progetto, i prossimi sono:
- Integrazione con i servizi di posta.
- Implementazione di un sistema di analisi delle immagini.
- Lanciare un progetto per un vasto pubblico.
Gruppo di progetto: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Separatamente, vorremmo parlarvi di tre squadre riconosciute dai mentori del gruppo Mail.ru che hanno lavorato con gli studenti durante tutto il semestre. Particolare attenzione è stata prestata alla complessità del progetto, all'implementazione e al lavoro di squadra nella selezione dei progetti.
Progetto "Attività Mail.ru"
Il progetto è stato notato sia dalla giuria che dai mentori.
"Mail.ru Tasks" è il primo servizio indipendente per il mantenimento di una lista di cose da fare, sviluppato dall'azienda. Nei prossimi mesi, le attività sostituiranno gli elenchi di attività nel calendario di Mail.ru e, una volta attivato il progetto per tutti gli utenti, verrà integrato nella posta mobile e web di Mail.ru.
Il progetto è stato implementato utilizzando gli approcci Offline-first e Mobile-first. Cioè, puoi utilizzare l'applicazione web sempre, ovunque e su qualsiasi cosa. L'accesso a Internet non ha importanza: i dati verranno salvati e sincronizzati. Per maggiore comodità, puoi "installare" l'applicazione dal browser e sembrerà nativa.
Scanner alimentare intelligente
Nel negozio di alimentari non possiamo sempre determinare rapidamente se un prodotto alimentare è adatto a noi o meno, quanto è sicuro e sano. La situazione diventa più complicata se una persona ha restrizioni dietetiche, varie allergie o è a dieta. L'app Foodwise per Android ti consente di scansionare il codice a barre di un prodotto e vedere facilmente se ne vale la pena.
usarlo.
L'applicazione ha tre sezioni principali: “Profilo”, “Fotocamera” e “Cronologia”.
Nel “Profilo” imposti le tue preferenze: nella sezione “Ingredienti” puoi escludere dalla tua dieta uno qualsiasi dei 60 ingredienti inclusi nel database e leggere le informazioni sugli integratori elettronici. I “Gruppi” ti consentono di escludere un intero blocco di ingredienti contemporaneamente. Ad esempio, se specifichi "Vegetarianesimo", tutti i prodotti contenenti carne verranno evidenziati in rosso.
Sono disponibili due modalità nella sezione “Fotocamera”: scansione dei codici a barre e riconoscimento di frutta e verdura. Dopo aver scansionato il codice a barre, otterrai tutte le informazioni sul prodotto. Gli ingredienti che hai escluso saranno evidenziati in rosso.
Tutti i prodotti precedentemente scansionati verranno salvati nella Cronologia. Questa sezione è dotata di ricerca testuale e vocale.
La modalità di riconoscimento di frutta e verdura consente di ottenere informazioni sul loro valore nutrizionale ed energetico. Ad esempio, una mela contiene circa 25 grammi.
carboidrati, il che è inaccettabile per le persone che seguono una dieta a basso contenuto di carboidrati.
L'applicazione è scritta in Kotlin, la “Fotocamera” utilizza ML Kit per scansionare codici a barre e identificare frutta e verdura. Il backend è costituito da due servizi: un server API con un database,
che memorizza 60 ingredienti e composizioni di 000 prodotti, oltre a una rete neurale scritta in Python e Tensorflow.
Gruppo di progetto: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Servizio per la vendita di regali con la realtà aumentata
Ogni persona ha ricevuto doni simbolici almeno una volta nella vita. Spesso, per le persone, il fatto dell'attenzione è più importante del dono che ricevono. Tali doni non sono vantaggiosi, ma la loro produzione e smaltimento hanno un impatto negativo sulla natura del nostro pianeta. È così che agli autori del progetto è venuta l’idea di creare un servizio per la vendita di regali con la realtà aumentata.
Per testare la pertinenza dell’idea, abbiamo condotto uno studio. L'82% degli intervistati ha dovuto affrontare il problema della scelta di un regalo. Per il 57% degli intervistati la principale difficoltà nella scelta è stata il timore che i propri regali non venissero utilizzati. Il 78% delle persone è pronto a cambiare per risolvere i problemi ambientali.
Gli autori avanzano tre tesi:
- I regali vivono nel mondo virtuale.
- Non occupano spazio.
- Sempre vicino
Per implementare la realtà aumentata sul web gli autori hanno scelto la libreria AR.js, che si compone di due parti principali:
- Il primo è responsabile del disegno della grafica sullo streaming della telecamera utilizzando A-Frame o Three.js.
- La seconda parte è ARToolKit, responsabile del riconoscimento di un marcatore (un carattere speciale che può essere stampato o mostrato sullo schermo di un altro dispositivo) nel flusso di output della telecamera. Il marcatore viene utilizzato per posizionare la grafica. La presenza di ARToolKit non consente di creare realtà aumentata markerless utilizzando AR.js.
AR.js nasconde molte insidie. Ad esempio, il suo utilizzo insieme ad A-Frame può “rompere” gli stili in tutto il sito. Pertanto, gli autori hanno utilizzato un “bundle” di AR.js + Three.js, che ha contribuito a risolvere alcuni problemi. E per incorporare AR.js basato su Three.js in React, in cui è scritto il sito web del progetto, abbiamo dovuto creare un repository AR-Test-2 (), che implementa un componente React separato per l'utilizzo di AR.js basato su Three.js. È stata implementata la visualizzazione del modello in realtà aumentata e 3D (per dispositivi sprovvisti di fotocamera).
Tuttavia, in seguito si è scoperto che gli utenti non capiscono cos'è un marcatore e come usarlo. Pertanto, gli autori sono passati alla tecnologia , che è attualmente attivamente sviluppato da Google. Utilizza ARKit (iOS) o ARCore (Android) per eseguire il rendering dei modelli in AR senza marcatore. La tecnologia è basata su Three.js e include un visualizzatore di modelli 3D. L'usabilità del programma è migliorata notevolmente, tuttavia, per visualizzare la realtà aumentata è necessario un dispositivo con iOS 12 o successivo.
Il progetto è ora disponibile su (), dove potrai ricevere il tuo primo regalo.
Gruppo di progetto: Denis Stasyev, Anton Chadov.
Puoi leggere di più sui nostri progetti educativi su . E visita il canale più spesso , vengono visualizzati regolarmente nuovi video didattici sulla programmazione, lo sviluppo e altre discipline.
Fonte: habr.com