ເຕັກໂນໂລຢີແລະແບບຈໍາລອງສໍາລັບລະບົບວິໄສທັດຄອມພິວເຕີຂອງພວກເຮົາໃນອະນາຄົດໄດ້ຖືກສ້າງຂື້ນແລະປັບປຸງເທື່ອລະກ້າວແລະໃນໂຄງການທີ່ແຕກຕ່າງກັນຂອງບໍລິສັດຂອງພວກເຮົາ - ໃນ Mail, Cloud, Search. ພວກມັນເຕີບໃຫຍ່ຄືກັບເນີຍແຂງຫຼື cognac. ມື້ຫນຶ່ງພວກເຮົາໄດ້ຮັບຮູ້ວ່າເຄືອຂ່າຍ neural ຂອງພວກເຮົາສະແດງໃຫ້ເຫັນຜົນໄດ້ຮັບທີ່ດີເລີດໃນການຮັບຮູ້, ແລະພວກເຮົາໄດ້ຕັດສິນໃຈລວມພວກມັນເຂົ້າໄປໃນຜະລິດຕະພັນ b2b ດຽວ - ວິໄສທັດ - ທີ່ປະຈຸບັນພວກເຮົາໃຊ້ຕົວເອງແລະສະເຫນີໃຫ້ທ່ານໃຊ້.

ມື້ນີ້, ເທັກໂນໂລຍີວິໄສທັດຄອມພິວເຕີຂອງພວກເຮົາຢູ່ໃນແພລດຟອມ Mail.Ru Cloud Solutions ປະສົບຜົນສຳເລັດໃນການເຮັດວຽກ ແລະແກ້ໄຂບັນຫາພາກປະຕິບັດທີ່ສັບສົນຫຼາຍ. ມັນແມ່ນອີງໃສ່ເຄືອຂ່າຍ neural ຈໍານວນຫນຶ່ງທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນຊຸດຂໍ້ມູນຂອງພວກເຮົາແລະມີຄວາມຊ່ຽວຊານໃນການແກ້ໄຂບັນຫາທີ່ນໍາໃຊ້. ການບໍລິການທັງຫມົດດໍາເນີນການຢູ່ໃນສະຖານທີ່ເຊີຟເວີຂອງພວກເຮົາ. ທ່ານສາມາດເຊື່ອມໂຍງ Vision API ສາທາລະນະເຂົ້າໃນແອັບພລິເຄຊັນຂອງທ່ານ, ໂດຍຜ່ານຄວາມສາມາດທັງຫມົດຂອງການບໍລິການທີ່ມີຢູ່. API ແມ່ນໄວ - ຂໍຂອບໃຈກັບ GPUs ເຊີບເວີ, ເວລາຕອບສະຫນອງສະເລ່ຍພາຍໃນເຄືອຂ່າຍຂອງພວກເຮົາແມ່ນ 100 ms.

ໄປຫາແມວ, ມີເລື່ອງລາຍລະອຽດແລະຕົວຢ່າງຫຼາຍຢ່າງຂອງວຽກງານຂອງວິໄສທັດ.

ເປັນຕົວຢ່າງຂອງການບໍລິການທີ່ເຮົາເອງໃຊ້ເທັກໂນໂລຍີການຮັບຮູ້ໃບໜ້າທີ່ໄດ້ກ່າວມາ, ພວກເຮົາສາມາດອ້າງອີງ ກິດຈະກໍາ. ຫນຶ່ງໃນອົງປະກອບຂອງມັນແມ່ນ Vision photo stands, ເຊິ່ງພວກເຮົາຕິດຕັ້ງຢູ່ໃນກອງປະຊຸມຕ່າງໆ. ຖ້າທ່ານເຂົ້າຫາບ່ອນຕັ້ງຮູບດັ່ງກ່າວ, ຖ່າຍຮູບດ້ວຍກ້ອງຖ່າຍຮູບໃນຕົວແລະໃສ່ອີເມວຂອງທ່ານ, ລະບົບຈະພົບເຫັນທັນທີໃນບັນດາຮູບຖ່າຍທີ່ເຈົ້າຖືກຖ່າຍຮູບໂດຍພະນັກງານຂອງກອງປະຊຸມ, ແລະຖ້າຕ້ອງການ, ຈະສົ່ງຮູບທີ່ພົບເຫັນໃຫ້ທ່ານທາງອີເມວ. ແລະພວກເຮົາບໍ່ໄດ້ເວົ້າກ່ຽວກັບການຖ່າຍຮູບແບບເປັນຮູບຄົນ—ວິໄສທັດຮັບຮູ້ທ່ານເຖິງແມ່ນຢູ່ໃນພື້ນຫຼັງຂອງນັກທ່ອງທ່ຽວທີ່ແອອັດ. ແນ່ນອນ, ມັນບໍ່ແມ່ນຮູບພາບທີ່ຢືນຢູ່ໃນຕົວຂອງມັນເອງທີ່ໄດ້ຮັບການຍອມຮັບ, ເຫຼົ່ານີ້ແມ່ນພຽງແຕ່ແທັບເລັດໃນບ່ອນຢືນທີ່ສວຍງາມທີ່ພຽງແຕ່ຖ່າຍຮູບແຂກທີ່ມີກ້ອງຖ່າຍຮູບໃນຕົວຂອງພວກເຂົາແລະສົ່ງຂໍ້ມູນໄປຫາເຄື່ອງແມ່ຂ່າຍ, ບ່ອນທີ່ magic ການຮັບຮູ້ທັງຫມົດເກີດຂື້ນ. ແລະພວກເຮົາໄດ້ເຫັນຫຼາຍກວ່າຫນຶ່ງຄັ້ງວ່າປະສິດຕິຜົນຂອງເຕັກໂນໂລຢີທີ່ຫນ້າປະຫລາດໃຈແມ່ນແຕ່ໃນບັນດາຜູ້ຊ່ຽວຊານດ້ານການຮັບຮູ້ຮູບພາບ. ຂ້າງລຸ່ມນີ້ພວກເຮົາຈະເວົ້າກ່ຽວກັບບາງຕົວຢ່າງ.

1. ຮູບແບບການຮັບຮູ້ໃບຫນ້າຂອງພວກເຮົາ

1.1. ເຄືອຂ່າຍ neural ແລະຄວາມໄວການປຸງແຕ່ງ

ສໍາລັບການຮັບຮູ້, ພວກເຮົາໃຊ້ການດັດແປງຮູບແບບເຄືອຂ່າຍ neural ResNet 101. Average Pooling ໃນຕອນທ້າຍຈະຖືກແທນທີ່ດ້ວຍຊັ້ນເຊື່ອມຕໍ່ຢ່າງເຕັມທີ່, ຄ້າຍຄືກັບວິທີການເຮັດໃນ ArcFace. ຢ່າງໃດກໍຕາມ, ຂະຫນາດຂອງການເປັນຕົວແທນຂອງ vector ແມ່ນ 128, ບໍ່ແມ່ນ 512. ຊຸດຝຶກອົບຮົມຂອງພວກເຮົາປະກອບມີປະມານ 10 ລ້ານຮູບຂອງ 273 ຄົນ.

ຮູບແບບດັ່ງກ່າວເຮັດວຽກໄດ້ໄວຫຼາຍຍ້ອນສະຖາປັດຕະຍະກຳການຕັ້ງຄ່າເຊີບເວີທີ່ເລືອກຢ່າງລະມັດລະວັງ ແລະ ຄອມພິວເຕີ GPU. ມັນໃຊ້ເວລາຈາກ 100 ms ເພື່ອໄດ້ຮັບການຕອບສະຫນອງຈາກ API ໃນເຄືອຂ່າຍພາຍໃນຂອງພວກເຮົາ - ນີ້ປະກອບມີການກວດສອບໃບຫນ້າ (ການກວດສອບໃບຫນ້າໃນຮູບ), ການຮັບຮູ້ແລະການສົ່ງຄືນ PersonID ໃນການຕອບສະຫນອງ API. ດ້ວຍປະລິມານຂະຫນາດໃຫຍ່ຂອງຂໍ້ມູນຂາເຂົ້າ - ຮູບພາບແລະວິດີໂອ - ມັນຈະໃຊ້ເວລາຫຼາຍໃນການໂອນຂໍ້ມູນໄປຫາບໍລິການແລະໄດ້ຮັບການຕອບສະຫນອງ.

1.2. ການປະເມີນປະສິດທິຜົນຂອງຕົວແບບ

ແຕ່ການກໍານົດປະສິດທິພາບຂອງເຄືອຂ່າຍ neural ແມ່ນວຽກງານທີ່ບໍ່ຊັດເຈນຫຼາຍ. ຄຸນນະພາບຂອງການເຮັດວຽກຂອງພວກເຂົາແມ່ນຂຶ້ນກັບສິ່ງທີ່ຊຸດຂໍ້ມູນແບບຈໍາລອງໄດ້ຖືກຝຶກອົບຮົມແລະວ່າພວກເຂົາຖືກປັບປຸງໃຫ້ເຫມາະສົມສໍາລັບການເຮັດວຽກກັບຂໍ້ມູນສະເພາະ.

ພວກເຮົາໄດ້ເລີ່ມປະເມີນຄວາມຖືກຕ້ອງຂອງຕົວແບບຂອງພວກເຮົາດ້ວຍການທົດສອບການກວດສອບ LFW ທີ່ນິຍົມ, ແຕ່ມັນນ້ອຍເກີນໄປແລະງ່າຍດາຍ. ຫຼັງຈາກເຖິງຄວາມຖືກຕ້ອງ 99,8%, ມັນບໍ່ມີປະໂຫຍດອີກຕໍ່ໄປ. ມີການແຂ່ງຂັນທີ່ດີສໍາລັບການປະເມີນແບບຈໍາລອງການຮັບຮູ້ - Megaface, ເຊິ່ງພວກເຮົາຄ່ອຍໆບັນລຸ 82% ອັນດັບ 1. ການທົດສອບ Megaface ປະກອບດ້ວຍຮູບຖ່າຍລ້ານຮູບ - distractors - ແລະຕົວແບບຄວນຈະສາມາດຈໍາແນກໄດ້ຫຼາຍພັນຮູບຂອງນັກສະເຫຼີມສະຫຼອງຈາກ Facescrub. ຊຸດຂໍ້ມູນຈາກຜູ້ລົບກວນ. ຢ່າງໃດກໍ່ຕາມ, ມີການລຶບລ້າງຄວາມຜິດພາດຂອງການທົດສອບ Megaface, ພວກເຮົາພົບວ່າດ້ວຍສະບັບທີ່ຖືກລຶບລ້າງພວກເຮົາບັນລຸຄວາມຖືກຕ້ອງຂອງ 98% ອັນດັບ 1 (ຮູບພາບຂອງນັກສະເຫຼີມສະຫຼອງໂດຍທົ່ວໄປແມ່ນຂ້ອນຂ້າງສະເພາະ). ດັ່ງນັ້ນ, ພວກເຂົາເຈົ້າໄດ້ສ້າງການທົດສອບການກໍານົດຕົວແຍກຕ່າງຫາກ, ຄ້າຍຄືກັນກັບ Megaface, ແຕ່ມີຮູບຖ່າຍຂອງປະຊາຊົນ "ທໍາມະດາ". ຫຼັງຈາກນັ້ນ, ພວກເຮົາປັບປຸງຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້ໃນຊຸດຂໍ້ມູນຂອງພວກເຮົາແລະໄດ້ກ້າວໄປຂ້າງຫນ້າ. ນອກຈາກນັ້ນ, ພວກເຮົາໃຊ້ການທົດສອບຄຸນນະພາບຂອງກຸ່ມທີ່ປະກອບດ້ວຍຫຼາຍພັນຮູບ; ມັນຈໍາລອງການແທັກໃບຫນ້າຢູ່ໃນເມຄຂອງຜູ້ໃຊ້. ໃນກໍລະນີນີ້, ກຸ່ມແມ່ນກຸ່ມຂອງບຸກຄົນທີ່ຄ້າຍຄືກັນ, ກຸ່ມຫນຶ່ງສໍາລັບແຕ່ລະຄົນທີ່ສາມາດຮັບຮູ້ໄດ້. ພວກເຮົາໄດ້ກວດກາຄຸນນະພາບຂອງວຽກງານໃນກຸ່ມຕົວຈິງ (ຄວາມຈິງ).

ແນ່ນອນ, ຄວາມຜິດພາດການຮັບຮູ້ເກີດຂຶ້ນກັບຕົວແບບໃດໆ. ແຕ່ສະຖານະການດັ່ງກ່າວມັກຈະຖືກແກ້ໄຂໂດຍການປັບຂອບເຂດສໍາລັບເງື່ອນໄຂສະເພາະ (ສໍາລັບກອງປະຊຸມທັງຫມົດພວກເຮົາໃຊ້ຂອບເຂດດຽວກັນ, ແຕ່ຕົວຢ່າງ, ສໍາລັບລະບົບການຄວບຄຸມການເຂົ້າເຖິງພວກເຮົາຕ້ອງເພີ່ມຂອບເຂດຢ່າງຫຼວງຫຼາຍເພື່ອໃຫ້ມີຜົນບວກທີ່ບໍ່ຖືກຕ້ອງຫນ້ອຍລົງ). ຜູ້ເຂົ້າຊົມກອງປະຊຸມສ່ວນໃຫຍ່ໄດ້ຖືກຮັບຮູ້ຢ່າງຖືກຕ້ອງໂດຍຫ້ອງວາງສະແດງຮູບພາບວິໄສທັດຂອງພວກເຮົາ. ບາງຄັ້ງບາງຄົນຈະເບິ່ງຕົວຢ່າງທີ່ຖືກຕັດແລະເວົ້າວ່າ, "ລະບົບຂອງເຈົ້າເຮັດຜິດພາດ, ມັນບໍ່ແມ່ນຂ້ອຍ." ຫຼັງຈາກນັ້ນ, ພວກເຮົາເປີດຮູບທັງຫມົດ, ແລະປະກົດວ່າມີນັກທ່ອງທ່ຽວນີ້ຢູ່ໃນຮູບ, ພຽງແຕ່ພວກເຮົາບໍ່ໄດ້ຖ່າຍຮູບລາວ, ແຕ່ເປັນຄົນອື່ນ, ບຸກຄົນດັ່ງກ່າວພຽງແຕ່ເກີດຂຶ້ນໃນພື້ນຫລັງໃນເຂດມົວ. ຍິ່ງໄປກວ່ານັ້ນ, ເຄືອຂ່າຍ neural ມັກຈະຮັບຮູ້ຢ່າງຖືກຕ້ອງເຖິງແມ່ນວ່າສ່ວນຫນຶ່ງຂອງໃບຫນ້າຈະບໍ່ເຫັນ, ຫຼືບຸກຄົນທີ່ຢືນຢູ່ໃນໂປຣໄຟລ໌, ຫຼືແມ້ກະທັ້ງເຄິ່ງຫນຶ່ງຂອງຫັນ. ລະບົບສາມາດຮັບຮູ້ບຸກຄົນໃດຫນຶ່ງເຖິງແມ່ນວ່າໃບຫນ້າຢູ່ໃນພື້ນທີ່ຂອງການບິດເບືອນຂອງ optical, ເວົ້າວ່າ, ເມື່ອຖ່າຍຮູບດ້ວຍເລນມຸມກວ້າງ.

1.3. ຕົວຢ່າງຂອງການທົດສອບໃນສະຖານະການທີ່ຫຍຸ້ງຍາກ

ຂ້າງລຸ່ມນີ້ແມ່ນຕົວຢ່າງຂອງວິທີການເຄືອຂ່າຍ neural ຂອງພວກເຮົາເຮັດວຽກ. ຮູບພາບແມ່ນຖືກສົ່ງໄປຫາວັດສະດຸປ້ອນ, ເຊິ່ງນາງຕ້ອງຕິດປ້າຍຊື່ໂດຍໃຊ້ PersonID - ຕົວລະບຸສະເພາະຂອງບຸກຄົນ. ຖ້າສອງຮູບຫຼືຫຼາຍກວ່ານັ້ນມີ ID ດຽວກັນ, ຫຼັງຈາກນັ້ນ, ອີງຕາມຕົວແບບ, ຮູບພາບເຫຼົ່ານີ້ສະແດງເຖິງຄົນດຽວກັນ.

ໃຫ້ພວກເຮົາສັງເກດເຫັນທັນທີວ່າໃນເວລາທີ່ການທົດສອບ, ພວກເຮົາມີການເຂົ້າເຖິງຕົວກໍານົດການຕ່າງໆແລະຂອບເຂດຂອງຕົວແບບທີ່ພວກເຮົາສາມາດ configure ເພື່ອບັນລຸຜົນໄດ້ຮັບສະເພາະໃດຫນຶ່ງ. API ສາທາລະນະໄດ້ຖືກປັບປຸງໃຫ້ເຫມາະສົມສໍາລັບຄວາມຖືກຕ້ອງສູງສຸດໃນກໍລະນີທົ່ວໄປ.

ໃຫ້ເລີ່ມຕົ້ນດ້ວຍສິ່ງທີ່ງ່າຍດາຍທີ່ສຸດ, ດ້ວຍການຮັບຮູ້ໃບຫນ້າທາງຫນ້າ.

ດີ, ມັນງ່າຍເກີນໄປ. ໃຫ້ complicate ວຽກງານ, ເພີ່ມຈັບຫນວດແລະມືຂອງປີ.

ບາງຄົນຈະເວົ້າວ່ານີ້ບໍ່ແມ່ນເລື່ອງຍາກເກີນໄປ, ເພາະວ່າໃນທັງສອງກໍລະນີ, ໃບຫນ້າທັງຫມົດແມ່ນເຫັນໄດ້, ແລະຂໍ້ມູນຈໍານວນຫລາຍກ່ຽວກັບໃບຫນ້າແມ່ນມີຢູ່ໃນສູດການຄິດໄລ່. ຕົກລົງ, ໃຫ້ປ່ຽນ Tom Hardy ໃຫ້ເປັນໂປຣໄຟລ໌. ບັນຫານີ້ແມ່ນສັບສົນຫຼາຍ, ແລະພວກເຮົາໄດ້ໃຊ້ຄວາມພະຍາຍາມຫຼາຍເພື່ອປະສົບຜົນສໍາເລັດໃນການແກ້ໄຂໃນຂະນະທີ່ຮັກສາອັດຕາຄວາມຜິດພາດທີ່ຕໍ່າ: ພວກເຮົາໄດ້ເລືອກຊຸດຝຶກອົບຮົມ, ຄິດໂດຍຜ່ານສະຖາປັດຕະຍະກໍາຂອງເຄືອຂ່າຍ neural, ເນັ້ນຫນັກເຖິງຫນ້າທີ່ສູນເສຍແລະປັບປຸງການປຸງແຕ່ງກ່ອນ. ຂອງ​ຮູບ​ພາບ​.

ໃຫ້​ເອົາ​ຜ້າ​ຫົວ​ໃສ່​ລາວ:

ໂດຍວິທີທາງການ, ນີ້ແມ່ນຕົວຢ່າງຂອງສະຖານະການທີ່ຫຍຸ້ງຍາກໂດຍສະເພາະ, ຍ້ອນວ່າໃບຫນ້າຖືກປິດບັງຢ່າງຫນັກ, ແລະໃນຮູບດ້ານລຸ່ມຍັງມີເງົາເລິກເຊື່ອງຕາ. ໃນຊີວິດຈິງ, ຄົນເຮົາມັກຈະປ່ຽນຮູບລັກສະນະຂອງເຂົາເຈົ້າດ້ວຍການຊ່ວຍເຫຼືອຂອງແວ່ນຕາຊ້ໍາ. ໃຫ້ເຮັດເຊັ່ນດຽວກັນກັບ Tom.

ຕົກລົງ, ໃຫ້ລອງຖິ້ມຮູບຈາກອາຍຸຕ່າງໆ, ແລະເທື່ອນີ້ພວກເຮົາຈະທົດລອງກັບນັກສະແດງທີ່ແຕກຕ່າງກັນ. ໃຫ້ພິຈາລະນາຕົວຢ່າງທີ່ສັບສົນຫຼາຍ, ບ່ອນທີ່ການປ່ຽນແປງທີ່ກ່ຽວຂ້ອງກັບອາຍຸແມ່ນເດັ່ນຊັດໂດຍສະເພາະ. ສະຖານະການແມ່ນບໍ່ໄກ; ມັນເກີດຂື້ນເລື້ອຍໆໃນເວລາທີ່ທ່ານຕ້ອງການປຽບທຽບຮູບໃນຫນັງສືຜ່ານແດນກັບໃບຫນ້າຂອງຜູ້ຖື. ຫຼັງຈາກທີ່ທັງຫມົດ, ຮູບທໍາອິດໄດ້ຖືກເພີ່ມໃສ່ຫນັງສືຜ່ານແດນເມື່ອເຈົ້າຂອງອາຍຸ 20 ປີ, ແລະເມື່ອອາຍຸ 45 ປີຄົນສາມາດປ່ຽນແປງໄດ້ຢ່າງຫຼວງຫຼາຍ:

ທ່ານຄິດວ່າຜູ້ຊ່ຽວຊານຕົ້ນຕໍກ່ຽວກັບພາລະກິດທີ່ເປັນໄປບໍ່ໄດ້ບໍ່ໄດ້ປ່ຽນແປງຫຼາຍກັບອາຍຸບໍ? ຂ້າ​ພະ​ເຈົ້າ​ຄິດ​ວ່າ​ເຖິງ​ແມ່ນ​ວ່າ​ປະ​ຊາ​ຊົນ​ຈໍາ​ນວນ​ຫນ້ອຍ​ທີ່​ຈະ​ສົມ​ທົບ​ຮູບ​ເທິງ​ແລະ​ລຸ່ມ​, ເດັກ​ຊາຍ​ໄດ້​ມີ​ການ​ປ່ຽນ​ແປງ​ຫຼາຍ​ໃນ​ໄລ​ຍະ​ປີ​.

ເຄືອຂ່າຍ neural ພົບກັບການປ່ຽນແປງໃນລັກສະນະຫຼາຍເລື້ອຍໆ. ຕົວຢ່າງ, ບາງຄັ້ງແມ່ຍິງສາມາດປ່ຽນຮູບພາບຂອງເຂົາເຈົ້າຢ່າງຫຼວງຫຼາຍດ້ວຍການຊ່ວຍເຫຼືອຂອງເຄື່ອງສໍາອາງ:

ຕອນນີ້ໃຫ້ຄວາມຊັບຊ້ອນວຽກງານຫຼາຍຂຶ້ນ: ສົມມຸດວ່າພາກສ່ວນຕ່າງໆຂອງໃບຫນ້າຖືກປົກຄຸມດ້ວຍຮູບຖ່າຍທີ່ແຕກຕ່າງກັນ. ໃນກໍລະນີດັ່ງກ່າວ, algorithm ບໍ່ສາມາດປຽບທຽບຕົວຢ່າງທັງຫມົດ. ຢ່າງໃດກໍ່ຕາມ, ວິໄສທັດຈັດການກັບສະຖານະການແບບນີ້ໄດ້ດີ.

ໂດຍວິທີທາງການ, ມັນສາມາດມີໃບຫນ້າຫຼາຍໃນຮູບ; ຕົວຢ່າງ, ຫຼາຍກວ່າ 100 ຄົນສາມາດເຫມາະກັບຮູບທົ່ວໄປຂອງຫ້ອງໂຖງ. ນີ້ແມ່ນສະຖານະການທີ່ຍາກສໍາລັບເຄືອຂ່າຍ neural, ນັບຕັ້ງແຕ່ໃບຫນ້າຈໍານວນຫຼາຍສາມາດສະຫວ່າງແຕກຕ່າງກັນ, ບາງຄົນອອກຈາກຈຸດສຸມ. ແນວໃດກໍ່ຕາມ, ຖ້າຮູບຖືກຖ່າຍດ້ວຍຄວາມລະອຽດ ແລະຄຸນນະພາບພຽງພໍ (ຢ່າງໜ້ອຍ 75 pixels ຕໍ່ສີ່ຫຼ່ຽມທີ່ກວມເອົາໃບໜ້າ), ວິໄສທັດຈະສາມາດກວດພົບ ແລະຮັບຮູ້ມັນໄດ້.

ລັກສະນະພິເສດຂອງການລາຍງານການຖ່າຍຮູບ ແລະຮູບພາບຈາກກ້ອງຖ່າຍຮູບເຝົ້າລະວັງແມ່ນວ່າຄົນເຮົາມັກຈະມົວຍ້ອນມັນບໍ່ສົນໃຈ ຫຼື ເຄື່ອນທີ່ໃນເວລານັ້ນ:

ນອກຈາກນີ້, ຄວາມເຂັ້ມຂອງແສງສາມາດແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຈາກຮູບພາບກັບຮູບພາບ. ນີ້, ເຊັ່ນດຽວກັນ, ມັກຈະກາຍເປັນສິ່ງກີດຂວາງ; ຫຼາຍ algorithms ມີຄວາມຫຍຸ້ງຍາກຫຼາຍໃນການປະມວນຜົນຮູບພາບທີ່ມືດເກີນໄປແລະແສງສະຫວ່າງເກີນໄປ, ບໍ່ໄດ້ກ່າວເຖິງການຈັບຄູ່ຢ່າງຖືກຕ້ອງ. ຂ້າ​ພະ​ເຈົ້າ​ຂໍ​ເຕືອນ​ທ່ານ​ວ່າ​ເພື່ອ​ບັນ​ລຸ​ຜົນ​ໄດ້​ຮັບ​ນີ້​ທ່ານ​ຈໍາ​ເປັນ​ຕ້ອງ​ໄດ້​ກໍາ​ນົດ​ຂອບ​ເຂດ​ໃນ​ວິ​ທີ​ການ​ສະ​ເພາະ​ໃດ​ຫນຶ່ງ​, ຄຸນ​ນະ​ສົມ​ບັດ​ນີ້​ຍັງ​ບໍ່​ທັນ​ມີ​ໃຫ້​ສາ​ທາ​ລະ​ນະ​. ພວກເຮົາໃຊ້ເຄືອຂ່າຍ neural ດຽວກັນສໍາລັບລູກຄ້າທັງຫມົດ; ມັນມີຂອບເຂດທີ່ເຫມາະສົມສໍາລັບວຽກງານປະຕິບັດຫຼາຍທີ່ສຸດ.

ພວກເຮົາບໍ່ດົນມານີ້ໄດ້ເປີດຕົວຮຸ່ນໃຫມ່ຂອງຮູບແບບທີ່ຮັບຮູ້ໃບຫນ້າອາຊີດ້ວຍຄວາມແມ່ນຍໍາສູງ. ນີ້ເຄີຍເປັນບັນຫາໃຫຍ່, ເຊິ່ງເອີ້ນວ່າ "ການຮຽນຮູ້ເຄື່ອງຈັກ" (ຫຼື "ເຄືອຂ່າຍ neural") ເຊື້ອຊາດ. ເຄືອຂ່າຍ neural ເອີຣົບແລະອາເມລິກາຮັບຮູ້ Caucasian ປະເຊີນຫນ້າໄດ້ດີ, ແຕ່ວ່າ Mongoloid ແລະ Negroid ປະເຊີນກັບສະຖານະການແມ່ນຮ້າຍແຮງກວ່າເກົ່າ. ອາດຈະເປັນ, ໃນປະເທດຈີນ, ສະຖານະການແມ່ນກົງກັນຂ້າມຢ່າງແທ້ຈິງ. ມັນທັງໝົດກ່ຽວກັບຊຸດຂໍ້ມູນການຝຶກອົບຮົມທີ່ສະທ້ອນເຖິງປະເພດເດັ່ນຂອງປະຊາຊົນໃນປະເທດໃດໜຶ່ງ. ຢ່າງໃດກໍຕາມ, ສະຖານະການມີການປ່ຽນແປງ, ໃນມື້ນີ້ບັນຫານີ້ບໍ່ຮຸນແຮງຫຼາຍ. ວິໄສທັດບໍ່ມີບັນຫາກັບຄົນຂອງເຊື້ອຊາດທີ່ແຕກຕ່າງກັນ.

ການຮັບຮູ້ໃບໜ້າເປັນພຽງໜຶ່ງໃນການນຳໃຊ້ຫຼາຍອັນຂອງເທັກໂນໂລຢີຂອງພວກເຮົາ; ວິໄສທັດສາມາດຖືກຝຶກໃຫ້ຮັບຮູ້ສິ່ງໃດກໍໄດ້. ສໍາລັບຕົວຢ່າງ, ປ້າຍທະບຽນລົດ, ລວມທັງຢູ່ໃນເງື່ອນໄຂທີ່ມີຄວາມຫຍຸ້ງຍາກສໍາລັບສູດການຄິດໄລ່: ໃນມຸມແຫຼມ, ເປື້ອນແລະຍາກທີ່ຈະອ່ານປ້າຍທະບຽນ.

2. ກໍລະນີການນໍາໃຊ້ຕົວຈິງ

2.1. ການຄວບຄຸມການເຂົ້າເຖິງທາງດ້ານຮ່າງກາຍ: ເມື່ອຄົນສອງຄົນໃຊ້ບັດດຽວກັນ

ດ້ວຍຄວາມຊ່ອຍເຫລືອຂອງວິໄສທັດ, ທ່ານສາມາດປະຕິບັດລະບົບການບັນທຶກການມາຮອດແລະການອອກຂອງພະນັກງານ. ລະບົບແບບດັ້ງເດີມໂດຍອີງໃສ່ບັດເອເລັກໂຕຣນິກມີຂໍ້ເສຍທີ່ຊັດເຈນ, ຕົວຢ່າງ, ທ່ານສາມາດຜ່ານສອງຄົນໂດຍໃຊ້ປ້າຍຫນຶ່ງ. ຖ້າລະບົບການຄວບຄຸມການເຂົ້າເຖິງ (ACS) ຖືກເສີມດ້ວຍວິໄສທັດ, ມັນຈະບັນທຶກຢ່າງຊື່ສັດວ່າໃຜມາ / ຊ້າຍແລະເວລາໃດ.

2.2. ການຕິດຕາມເວລາ

ກໍລະນີການນໍາໃຊ້ວິໄສທັດນີ້ແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບອັນທີ່ຜ່ານມາ. ຖ້າທ່ານເສີມລະບົບການເຂົ້າເຖິງດ້ວຍການບໍລິການຮັບຮູ້ໃບຫນ້າຂອງພວກເຮົາ, ມັນບໍ່ພຽງແຕ່ສາມາດກວດພົບການລະເມີດການຄວບຄຸມການເຂົ້າເຖິງ, ແຕ່ຍັງເປັນການລົງທະບຽນຕົວຈິງຂອງພະນັກງານຢູ່ໃນອາຄານຫຼືສະຖານທີ່. ເວົ້າອີກຢ່າງ ໜຶ່ງ, ວິໄສທັດຈະຊ່ວຍໃຫ້ທ່ານ ຄຳ ນຶງເຖິງຜູ້ທີ່ມາເຮັດວຽກແລະອອກໄປໃນເວລາໃດ, ແລະຜູ້ທີ່ຂ້າມໄປເຮັດວຽກທັງ ໝົດ, ເຖິງແມ່ນວ່າເພື່ອນຮ່ວມງານຂອງລາວຈະປົກຄຸມລາວຢູ່ຕໍ່ ໜ້າ ຊັ້ນສູງຂອງລາວ.

2.3. ການວິເຄາະວິດີໂອ: ການຕິດຕາມຄົນແລະຄວາມປອດໄພ

ໂດຍການຕິດຕາມຄົນໂດຍໃຊ້ວິໄສທັດ, ທ່ານສາມາດປະເມີນການຈະລາຈອນທີ່ແທ້ຈິງຂອງພື້ນທີ່ຊື້ເຄື່ອງ, ສະຖານີລົດໄຟ, ທາງຜ່ານ, ຖະຫນົນແລະສະຖານທີ່ສາທາລະນະອື່ນໆຈໍານວນຫຼາຍ. ການຕິດຕາມຂອງພວກເຮົາຍັງສາມາດເປັນການຊ່ວຍເຫຼືອອັນໃຫຍ່ຫຼວງໃນການຄວບຄຸມການເຂົ້າເຖິງ, ສໍາລັບການຍົກຕົວຢ່າງ, ກັບສາງຫຼືສະຖານທີ່ຫ້ອງການທີ່ສໍາຄັນອື່ນໆ. ແລະແນ່ນອນ, ການຕິດຕາມຄົນແລະໃບຫນ້າຊ່ວຍແກ້ໄຂບັນຫາຄວາມປອດໄພ. ຈັບຄົນລັກຈາກຮ້ານຂອງເຈົ້າບໍ? ເພີ່ມ PersonID ຂອງລາວ, ເຊິ່ງຖືກສົ່ງຄືນໂດຍ Vision, ເຂົ້າໄປໃນບັນຊີດໍາຂອງຊອບແວການວິເຄາະວິດີໂອຂອງທ່ານ, ແລະໃນຄັ້ງຕໍ່ໄປລະບົບຈະເຕືອນຄວາມປອດໄພທັນທີຖ້າປະເພດນີ້ປາກົດອີກເທື່ອຫນຶ່ງ.

2.4. ໃນການຄ້າ

ທຸລະກິດຂາຍຍ່ອຍແລະການບໍລິການຕ່າງໆມີຄວາມສົນໃຈໃນການຮັບຮູ້ແຖວ. ດ້ວຍຄວາມຊ່ອຍເຫລືອຂອງວິໄສທັດ, ທ່ານສາມາດຮັບຮູ້ວ່ານີ້ບໍ່ແມ່ນຝູງຊົນແບບສຸ່ມ, ແຕ່ເປັນແຖວ, ແລະກໍານົດຄວາມຍາວຂອງມັນ. ແລະຫຼັງຈາກນັ້ນລະບົບຈະແຈ້ງໃຫ້ຜູ້ທີ່ຮັບຜິດຊອບກ່ຽວກັບຄິວເພື່ອໃຫ້ພວກເຂົາສາມາດຮູ້ສະຖານະການໄດ້: ບໍ່ວ່າຈະມີນັກທ່ອງທ່ຽວເຂົ້າມາແລະຕ້ອງການຄົນງານເພີ່ມເຕີມ, ຫຼືບາງຄົນກໍາລັງເລື່ອນເວລາໃນຫນ້າທີ່ວຽກຂອງພວກເຂົາ.

ວຽກງານທີ່ຫນ້າສົນໃຈອີກອັນຫນຶ່ງແມ່ນການແຍກພະນັກງານຂອງບໍລິສັດຢູ່ໃນຫ້ອງໂຖງຈາກຜູ້ມາຢ້ຽມຢາມ. ໂດຍປົກກະຕິ, ລະບົບໄດ້ຖືກຝຶກອົບຮົມເພື່ອແຍກວັດຖຸທີ່ໃສ່ເຄື່ອງນຸ່ງບາງຢ່າງ (ລະຫັດ dress) ຫຼືມີລັກສະນະທີ່ໂດດເດັ່ນບາງຢ່າງ (ຜ້າພັນຄໍທີ່ມີຍີ່ຫໍ້, ປ້າຍໃສ່ຫນ້າເອິກ, ແລະອື່ນໆ). ນີ້ຊ່ວຍໃນການປະເມີນການເຂົ້າຮ່ວມຢ່າງຖືກຕ້ອງຫຼາຍຂຶ້ນ (ເພື່ອບໍ່ໃຫ້ພະນັກງານ "ເພີ່ມ" ສະຖິຕິຂອງຄົນຢູ່ໃນຫ້ອງໂຖງໂດຍການມີຢູ່ຂອງເຂົາເຈົ້າ).

ການນໍາໃຊ້ການຮັບຮູ້ໃບຫນ້າ, ທ່ານຍັງສາມາດປະເມີນຜູ້ຊົມຂອງທ່ານ: ຄວາມສັດຊື່ຂອງນັກທ່ອງທ່ຽວແມ່ນຫຍັງ, ນັ້ນແມ່ນ, ຈໍານວນຄົນທີ່ກັບຄືນໄປຫາການສ້າງຕັ້ງຂອງທ່ານແລະມີຄວາມຖີ່ເທົ່າໃດ. ຄິດໄລ່ຈໍານວນນັກທ່ອງທ່ຽວທີ່ບໍ່ຊ້ໍາກັນມາຫາທ່ານຕໍ່ເດືອນ. ເພື່ອເພີ່ມປະສິດທິພາບຄ່າໃຊ້ຈ່າຍຂອງການດຶງດູດແລະການຮັກສາ, ທ່ານຍັງສາມາດຊອກຫາການປ່ຽນແປງຂອງການຈະລາຈອນໂດຍອີງຕາມມື້ຂອງອາທິດແລະແມ້ກະທັ້ງເວລາຂອງມື້.

ບໍລິສັດ Franchisors ແລະລະບົບຕ່ອງໂສ້ສາມາດສັ່ງການປະເມີນຮູບພາບຂອງຄຸນນະພາບຂອງຍີ່ຫໍ້ຂອງຮ້ານຂາຍຍ່ອຍຕ່າງໆ: ການປະກົດຕົວຂອງໂລໂກ້, ປ້າຍ, ໂປສເຕີ, ປ້າຍໂຄສະນາ, ແລະອື່ນໆ.

2.5. ໂດຍການຂົນສົ່ງ

ຕົວຢ່າງອື່ນຂອງການຮັບປະກັນຄວາມປອດໄພໂດຍໃຊ້ການວິເຄາະວິດີໂອແມ່ນການກໍານົດລາຍການທີ່ຖືກປະຖິ້ມໄວ້ໃນຫ້ອງໂຖງຂອງສະຫນາມບິນຫຼືສະຖານີລົດໄຟ. ວິໄສທັດສາມາດໄດ້ຮັບການຝຶກອົບຮົມເພື່ອຮັບຮູ້ວັດຖຸຂອງຫຼາຍຮ້ອຍຄົນຂອງຫ້ອງຮຽນ: ຕ່ອນຂອງເຟີນີເຈີ, ຖົງ, suitcases, umbrellas, ປະເພດຕ່າງໆຂອງເຄື່ອງນຸ່ງຫົ່ມ, ກະຕຸກ, ແລະອື່ນໆ. ຖ້າລະບົບການວິເຄາະວິດີໂອຂອງທ່ານກວດພົບວັດຖຸທີ່ບໍ່ມີເຈົ້າຂອງ ແລະຮັບຮູ້ມັນໂດຍໃຊ້ Vision, ມັນຈະສົ່ງສັນຍານໄປຫາບໍລິການຄວາມປອດໄພ. ວຽກງານທີ່ຄ້າຍຄືກັນແມ່ນກ່ຽວຂ້ອງກັບການກວດພົບອັດຕະໂນມັດຂອງສະຖານະການທີ່ຜິດປົກກະຕິໃນສະຖານທີ່ສາທາລະນະ: ບາງຄົນຮູ້ສຶກບໍ່ສະບາຍ, ຫຼືບາງຄົນສູບຢາຢູ່ໃນສະຖານທີ່ທີ່ບໍ່ຖືກຕ້ອງ, ຫຼືຄົນຫນຶ່ງຕົກຢູ່ເທິງລາງລົດໄຟ, ແລະອື່ນໆ - ຮູບແບບທັງຫມົດເຫຼົ່ານີ້ສາມາດຮັບຮູ້ໄດ້ໂດຍລະບົບການວິເຄາະວິດີໂອ. ຜ່ານ Vision API.

2.6. ການໄຫຼເອກະສານ

ຄໍາຮ້ອງສະຫມັກໃນອະນາຄົດທີ່ຫນ້າສົນໃຈອີກອັນຫນຶ່ງຂອງ Vision ທີ່ພວກເຮົາກໍາລັງພັດທະນາໃນປັດຈຸບັນແມ່ນການຮັບຮູ້ເອກະສານແລະການແຍກອັດຕະໂນມັດຂອງພວກເຂົາເຂົ້າໄປໃນຖານຂໍ້ມູນ. ແທນທີ່ຈະເຂົ້າດ້ວຍຕົນເອງ (ຫຼືຮ້າຍແຮງກວ່າເກົ່າ, ເຂົ້າໄປໃນ) ຊຸດ, ຕົວເລກ, ວັນທີຂອງບັນຫາ, ເລກບັນຊີ, ລາຍລະອຽດທະນາຄານ, ວັນເດືອນປີເກີດແລະຂໍ້ມູນທີ່ເປັນທາງການອື່ນໆຈໍານວນຫຼາຍ, ທ່ານສາມາດສະແກນເອກະສານແລະສົ່ງອັດຕະໂນມັດຜ່ານຊ່ອງທາງທີ່ປອດໄພໂດຍຜ່ານ API ກັບເມຄ, ບ່ອນທີ່ລະບົບຈະຮັບຮູ້ເອກະສານເຫຼົ່ານີ້ໃນການບິນ, parse ໃຫ້ເຂົາເຈົ້າແລະສົ່ງຄໍາຕອບກັບຂໍ້ມູນໃນຮູບແບບທີ່ກໍານົດໄວ້ສໍາລັບການເຂົ້າອັດຕະໂນມັດເຂົ້າໄປໃນຖານຂໍ້ມູນ. ມື້ນີ້ວິໄສທັດຮູ້ວິທີການຈັດປະເພດເອກະສານ (ລວມທັງ PDF) - ຄວາມແຕກຕ່າງລະຫວ່າງຫນັງສືຜ່ານແດນ, SNILS, TIN, ໃບຢັ້ງຢືນການເກີດ, ໃບຢັ້ງຢືນການແຕ່ງງານແລະອື່ນໆ.

ແນ່ນອນ, ເຄືອຂ່າຍ neural ບໍ່ສາມາດຈັດການກັບສະຖານະການທັງຫມົດເຫຼົ່ານີ້ອອກຈາກກ່ອງ. ໃນແຕ່ລະກໍລະນີ, ຮູບແບບໃຫມ່ແມ່ນສ້າງຂຶ້ນສໍາລັບລູກຄ້າສະເພາະໃດຫນຶ່ງ, ປັດໃຈຈໍານວນຫຼາຍ, nuances ແລະຄວາມຕ້ອງການໄດ້ຖືກພິຈາລະນາ, ຊຸດຂໍ້ມູນໄດ້ຖືກຄັດເລືອກ, ແລະການເຮັດຊ້ໍາຂອງການຝຶກອົບຮົມ, ການທົດສອບ, ແລະການຕັ້ງຄ່າແມ່ນດໍາເນີນ.

3. ໂຄງການປະຕິບັດງານ API

"ປະຕູທາງເຂົ້າ" ຂອງວິໄສທັດສໍາລັບຜູ້ໃຊ້ແມ່ນ REST API. ມັນ​ສາ​ມາດ​ໄດ້​ຮັບ​ຮູບ​ພາບ​, ໄຟລ​໌​ວິ​ດີ​ໂອ​ແລະ​ການ​ອອກ​ອາ​ກາດ​ຈາກ​ກ້ອງ​ຖ່າຍ​ຮູບ​ເຄືອ​ຂ່າຍ (RTSP stream​) ເປັນ​ການ​ປ້ອນ​ຂໍ້​ມູນ​.

ເພື່ອໃຊ້ວິໄສທັດ, ທ່ານຕ້ອງການ ລົງທະບຽນ ໃນບໍລິການ Mail.ru Cloud Solutions ແລະຮັບໂທເຄັນການເຂົ້າເຖິງ (client_id + client_secret). ການພິສູດຢືນຢັນຜູ້ໃຊ້ແມ່ນດໍາເນີນການໂດຍໃຊ້ໂປໂຕຄອນ OAuth. ຂໍ້ມູນແຫຼ່ງທີ່ຢູ່ໃນຮ່າງກາຍຂອງຄໍາຮ້ອງຂໍ POST ຖືກສົ່ງໄປຫາ API. ແລະໃນການຕອບສະຫນອງ, ລູກຄ້າໄດ້ຮັບຈາກ API ຜົນໄດ້ຮັບການຮັບຮູ້ໃນຮູບແບບ JSON, ແລະການຕອບສະຫນອງແມ່ນມີໂຄງສ້າງ: ມັນມີຂໍ້ມູນກ່ຽວກັບວັດຖຸທີ່ພົບເຫັນແລະການປະສານງານຂອງພວກເຂົາ.

ຕົວຢ່າງຄໍາຕອບ

{
   "status":200,
   "body":{
      "objects":[
         {
            "status":0,
            "name":"file_0"
         },
         {
            "status":0,
            "name":"file_2",
            "persons":[
               {
                  "tag":"person9"
                  "coord":[149,60,234,181],
                  "confidence":0.9999,
                  "awesomeness":0.45
               },
               {
                  "tag":"person10"
                  "coord":[159,70,224,171],
                  "confidence":0.9998,
                  "awesomeness":0.32
               }
            ]
         }

         {
            "status":0,
            "name":"file_3",
            "persons":[
               {
               "tag":"person11",
               "coord":[157,60,232,111],
               "aliases":["person12", "person13"]
               "confidence":0.9998,
               "awesomeness":0.32
               }
            ]
         },
         {
            "status":0,
            "name":"file_4",
            "persons":[
               {
               "tag":"undefined"
               "coord":[147,50,222,121],
               "confidence":0.9997,
               "awesomeness":0.26
               }
            ]
         }
      ],
      "aliases_changed":false
   },
   "htmlencoded":false,
   "last_modified":0
}

ຄໍາຕອບປະກອບດ້ວຍຄວາມຫນ້າຫວາດສຽວພາລາມິເຕີທີ່ຫນ້າສົນໃຈ - ນີ້ແມ່ນ "ຄວາມເຢັນ" ທີ່ມີເງື່ອນໄຂຂອງໃບຫນ້າໃນຮູບ, ດ້ວຍການຊ່ວຍເຫຼືອຂອງມັນທີ່ພວກເຮົາເລືອກຮູບທີ່ດີທີ່ສຸດຂອງໃບຫນ້າຈາກລໍາດັບ. ພວກເຮົາໄດ້ຝຶກອົບຮົມເຄືອຂ່າຍ neural ເພື່ອຄາດຄະເນຄວາມເປັນໄປໄດ້ທີ່ຮູບຈະຖືກມັກໃນເຄືອຂ່າຍສັງຄົມ. ຄຸນນະພາບຂອງຮູບທີ່ດີກວ່າ ແລະໜ້າຍິ້ມຍິ່ງຂຶ້ນ, ຄວາມໜ້າອັດສະຈັນຍິ່ງຂຶ້ນ.

API Vision ໃຊ້ແນວຄວາມຄິດທີ່ເອີ້ນວ່າຊ່ອງ. ນີ້ແມ່ນເຄື່ອງມືສໍາລັບການສ້າງຊຸດຂອງໃບຫນ້າທີ່ແຕກຕ່າງກັນ. ຕົວຢ່າງຂອງຊ່ອງຕ່າງໆແມ່ນບັນຊີລາຍຊື່ສີດໍາແລະສີຂາວ, ລາຍຊື່ຜູ້ມາຢ້ຽມຢາມ, ພະນັກງານ, ລູກຄ້າ, ແລະອື່ນໆ. ສໍາລັບແຕ່ລະ token ໃນວິໄສທັດ, ທ່ານສາມາດສ້າງໄດ້ເຖິງ 10 ຊ່ອງ, ແຕ່ລະຊ່ອງສາມາດມີເຖິງ 50 ພັນ PersonIDs, ນັ້ນແມ່ນ, ເຖິງ 500 ພັນ. ຕໍ່ໂທເຄັນ. ຍິ່ງໄປກວ່ານັ້ນ, ຈໍານວນຂອງ tokens ຕໍ່ບັນຊີແມ່ນບໍ່ຈໍາກັດ.

ມື້ນີ້ API ສະຫນັບສະຫນູນວິທີການກວດຫາແລະການຮັບຮູ້ດັ່ງຕໍ່ໄປນີ້:

• ຮັບ​ຮູ້ / ຕັ້ງ - ການ​ຊອກ​ຫາ​ແລະ​ການ​ຮັບ​ຮູ້​ຂອງ​ໃບ​ຫນ້າ​. ມອບໝາຍ PersonID ໂດຍອັດຕະໂນມັດໃຫ້ແຕ່ລະຄົນທີ່ເປັນເອກະລັກ, ສົ່ງຄືນ PersonID ແລະຈຸດປະສານງານຂອງບຸກຄົນທີ່ພົບເຫັນ.
• Delete - ລຶບ PersonID ສະເພາະຈາກຖານຂໍ້ມູນບຸກຄົນ.
• Truncate - ລ້າງພື້ນທີ່ທັງຫມົດຈາກ PersonID, ເປັນປະໂຫຍດຖ້າມັນຖືກນໍາໃຊ້ເປັນພື້ນທີ່ທົດສອບແລະທ່ານຕ້ອງການປັບຖານຂໍ້ມູນສໍາລັບການຜະລິດ.
• ກວດຫາ - ກວດຫາວັດຖຸ, ສາກ, ປ້າຍທະບຽນລົດ, ສະຖານທີ່ສຳຄັນ, ຄິວ, ແລະອື່ນໆ. ສົ່ງຄືນປະເພດວັດຖຸທີ່ພົບເຫັນ ແລະຈຸດປະສານງານຂອງພວກມັນ.
• ກວດພົບສໍາລັບເອກະສານ - ກວດພົບປະເພດເອກະສານສະເພາະຂອງສະຫະພັນລັດເຊຍ (ຈໍາແນກຫນັງສືຜ່ານແດນ, SNILS, ເລກປະຈໍາຕົວພາສີ, ແລະອື່ນໆ).

ພວກເຮົາຍັງຈະສໍາເລັດໃນໄວໆນີ້ກ່ຽວກັບວິທີການສໍາລັບ OCR, ການກໍານົດເພດ, ອາຍຸແລະອາລົມ, ເຊັ່ນດຽວກັນກັບການແກ້ໄຂບັນຫາການຄ້າ, ນັ້ນແມ່ນ, ສໍາລັບການຄວບຄຸມການສະແດງສິນຄ້າໃນຮ້ານໂດຍອັດຕະໂນມັດ. ທ່ານສາມາດຊອກຫາເອກະສານ API ຄົບຖ້ວນໄດ້ທີ່ນີ້: https://mcs.mail.ru/help/vision-api

4 ສະຫຼຸບ

ໃນປັດຈຸບັນ, ຜ່ານ API ສາທາລະນະ, ທ່ານສາມາດເຂົ້າເຖິງການຮັບຮູ້ໃບຫນ້າໃນຮູບພາບແລະວິດີໂອ; ການກໍານົດວັດຖຸຕ່າງໆ, ປ້າຍທະບຽນ, ຈຸດສໍາຄັນ, ເອກະສານແລະ scenes ທັງຫມົດແມ່ນສະຫນັບສະຫນູນ. ສະຖານະການຄໍາຮ້ອງສະຫມັກ - ທະເລ. ມາ, ທົດສອບການບໍລິການຂອງພວກເຮົາ, ຕັ້ງມັນເປັນວຽກທີ່ຫຍຸ້ງຍາກທີ່ສຸດ. 5000 ທຸລະກໍາທໍາອິດແມ່ນບໍ່ເສຍຄ່າ. ບາງທີມັນອາດຈະເປັນ "ສ່ວນປະກອບທີ່ຂາດຫາຍໄປ" ສໍາລັບໂຄງການຂອງທ່ານ.

ທ່ານສາມາດເຂົ້າເຖິງ API ໄດ້ທັນທີເມື່ອລົງທະບຽນ ແລະເຊື່ອມຕໍ່. ວິ​ໄສ​ທັດ. ຜູ້ໃຊ້ Habra ທຸກຄົນໄດ້ຮັບລະຫັດສົ່ງເສີມການຂາຍສໍາລັບການເຮັດທຸລະກໍາເພີ່ມເຕີມ. ກະລຸນາຂຽນທີ່ຢູ່ອີເມວທີ່ທ່ານໃຊ້ເພື່ອລົງທະບຽນບັນຊີຂອງເຈົ້າໃຫ້ຂ້ອຍ!

ແຫຼ່ງຂໍ້ມູນ: www.habr.com