Onlangs vond de volgende winterverdediging plaats van afgestudeerden van drie van onze technologieprojecten: Technopark (Bauman MSTU), Technosphere (Lomonosov Moskou State University) en Technotrek (MIPT). De teams presenteerden zowel implementaties van hun eigen ideeën als oplossingen voor echte zakelijke problemen, voorgesteld door verschillende divisies van Mai.ru Group.
Onder de projecten:
- Service voor het verkopen van geschenken met augmented reality.
- Een service die promoties, kortingen en aanbiedingen van de mailinglijst verzamelt.
- Visueel zoeken naar kleding.
- Service voor elektronisch boeken oversteken met huuroptie.
- Slimme voedselscanner.
- Moderne audiogids.
- Project "Mail.ru-taken"
- Mobiele televisie van de toekomst.
Graag vertellen wij u nader over zes projecten die speciaal door de juryleden en mentoren in het zonnetje werden gezet.
Visueel zoeken naar kleding
Het project werd gepresenteerd door een team afgestudeerden van Technosphere. Volgens analisten bedroeg de modemarkt in Rusland in 2018 bijna 2,4 biljoen roebel. De jongens creëerden een dienst die is gepositioneerd als een intelligente assistent voor het doen van aankopen in een grote verscheidenheid aan goederen. Dit is een B2B-oplossing die de functionaliteit van online winkels uitbreidt.
Tijdens UX-tests kwamen de auteurs van het project erachter dat mensen onder ‘soortgelijke kleding’ de gelijkenis niet in kleur of patroon begrijpen, maar in de kenmerken van de kleding. Daarom ontwikkelden de jongens een systeem dat niet alleen twee afbeeldingen vergelijkt, maar ook de semantische nabijheid begrijpt. U uploadt een afbeelding van het kledingstuk waarin u geïnteresseerd bent, en de service selecteert producten die relevant zijn voor de kenmerken ervan.
Technisch werkt het systeem als volgt:
Het Cascade Mask-RCNN neurale netwerk is getraind voor detectie en classificatie. Om de attributen en gelijkenis van kleding te bepalen, wordt een neuraal netwerk gebaseerd op ResNext-50 met meerdere koppen gebruikt voor groepen attributen, en Triplet loss voor foto's van één product. Het gehele project is uitgevoerd op basis van microservice architectuur.
In de toekomst is het de bedoeling:
- Lanceer een service voor alle kledingcategorieën.
- Ontwikkel een API voor online winkels.
- Verbeter de manipulatie van attributen.
- Leer vragen in natuurlijke taal begrijpen.
Projectteam: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
Mobiele tv van de toekomst
Project van het Technopark-team. Studenten creëerden een applicatie met een tv-schema voor de belangrijkste Russische digitale uitzendkanalen, waaraan de functie werd toegevoegd om kanalen te bekijken met behulp van IPTV (online kanalen) of een antenne.
Het moeilijkste was om de antenne aan het Android-apparaat te bevestigen: hiervoor gebruikten ze een tuner, waarvoor de auteurs zelf een driver schreven. Hierdoor kregen we de mogelijkheid om in één applicatie tv te kijken en de tv-programmagids op Android te gebruiken.
Projectteam: Konstantin Mitrakov, Sergey Lomachev.
Een service die promoties, kortingen en aanbiedingen van mailinglijsten verzamelt
Dit is een project op het snijvlak van reclame- en posttechnologieën. Onze mailboxen zitten vol met spam en mailings. Elke dag ontvangen we brieven met persoonlijke kortingen, maar we openen ze steeds minder en beschouwen ze als ‘nutteloze reclame’. Hierdoor verliezen gebruikers voordelen en lijden adverteerders verliezen. Uit een onderzoek van Mail.ru Mail blijkt dat gebruikers een overzicht willen zien van de kortingen die ze krijgen.
Project verzamelt informatie over kortingen en promoties uit uw nieuwsbrief en geeft deze weer in de vorm van een lint met kaarten van waaruit u naar de promotiewebsite of e-mail kunt gaan. Het programma kan met meerdere mailboxen tegelijk werken. Er is een lijst met geselecteerde aandelen.
Het project heeft een microservice-architectuur en bestaat uit drie hoofdonderdelen:
- OAuth-autorisatie voor gemakkelijke verbinding van mailboxen.
- Verzameling en analyse van brieven met promoties.
- Kortingskaarten bewaren en tonen.
Het project maakt gebruik van natuurlijke taalverwerkingstechnologie met behulp van GPU-bronnen: grafische versnellers maakten het mogelijk om de verwerkingssnelheid met 50 keer te verhogen. Het algoritme is gebaseerd op een vraag-antwoordsysteem, waarmee u snel aandelencategorieën kunt toevoegen op basis van nieuwe zakelijke vereisten.
Dit team behaalde volgens de jury niet alleen een plek in de topteams, maar won ook de competitie “Digital Tops 2019”. Dit is een wedstrijd voor Russische ontwikkelaars die IT-tools creëren om de efficiëntie van bedrijven en overheidsinstanties te verbeteren, en om de persoonlijke productiviteit te verhogen. Ons team heeft de categorie studenten gewonnen.
De studenten hebben grootse plannen voor de verdere ontwikkeling van het project, de volgende zijn:
- Integratie met maildiensten.
- Implementatie van een beeldanalysesysteem.
- Een project lanceren voor een breed publiek.
Projectteam: Maxim Ermakov, Denis Zinovjev, Nikita Rubinov.
Afzonderlijk willen we u vertellen over drie teams die zijn erkend door mentoren van Mail.ru Group die het hele semester met studenten hebben gewerkt. Bij de selectie van projecten werd bijzondere aandacht besteed aan de complexiteit van het project, de implementatie en teamwerk.
Project "Mail.ru-taken"
Het project werd opgemerkt door zowel de jury als de mentoren.
"Taken Mail.ru" is de eerste onafhankelijke dienst voor het bijhouden van een takenlijst, ontwikkeld door het bedrijf. In de komende maanden zullen Taken de takenlijsten in Mail.ru Agenda vervangen, en nadat het project voor alle gebruikers is ingeschakeld, zal het worden geïntegreerd in de mobiele en webmail van Mail.ru.
Het project werd geïmplementeerd met behulp van Offline-first en Mobile-first-benaderingen. Dat wil zeggen dat u de webapplicatie altijd, overal en op alles kunt gebruiken. Internettoegang doet er niet toe: de gegevens worden opgeslagen en gesynchroniseerd. Voor meer gemak kunt u de applicatie vanuit de browser "installeren" en deze ziet eruit als een native applicatie.
Slimme voedselscanner
In de supermarkt kunnen we niet altijd snel bepalen of een voedingsproduct voor ons geschikt is of niet, hoe veilig en gezond het is. De situatie wordt ingewikkelder als iemand dieetbeperkingen, verschillende allergieën heeft of op dieet is. Met de Foodwise Android app scan je de barcode van een product en zie je moeiteloos of het de moeite waard is.
gebruik het.
De applicatie heeft drie hoofdsecties: “Profiel”, “Camera” en “Geschiedenis”.
In het “Profiel” stelt u uw voorkeuren in: in het onderdeel “Ingrediënten” kunt u elk van de 60 ingrediënten uit de database uitsluiten van uw dieet en informatie lezen over E-supplementen. Met “Groepen” kunt u een heel blok ingrediënten in één keer uitsluiten. Als u bijvoorbeeld 'Vegetarisme' opgeeft, worden alle producten die vlees bevatten rood gemarkeerd.
Er zijn twee modi in het gedeelte ‘Camera’: streepjescodes scannen en groenten en fruit herkennen. Na het scannen van de barcode krijgt u alle informatie over het product. Ingrediënten die u heeft uitgesloten, worden rood gemarkeerd.
Alle eerder gescande producten worden opgeslagen in Geschiedenis. Dit gedeelte is uitgerust met tekst- en gesproken zoekopdrachten.
Met de herkenningsmodus voor groenten en fruit kunt u informatie verkrijgen over hun voedings- en energiewaarde. Eén appel bevat bijvoorbeeld ongeveer 25 gram.
koolhydraten, wat onaanvaardbaar is voor mensen met een koolhydraatarm dieet.
De applicatie is geschreven in Kotlin, de “Camera” gebruikt ML Kit om barcodes te scannen en groenten en fruit te identificeren. De backend bestaat uit twee diensten: een API-server met een database,
waarin 60 ingrediënten en samenstellingen van 000 producten zijn opgeslagen, evenals een neuraal netwerk geschreven in Python en Tensorflow.
Projectteam: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Service voor het verkopen van geschenken met augmented reality
Iedereen heeft minstens één keer in zijn leven symbolische geschenken ontvangen. Voor mensen is aandacht vaak belangrijker dan het geschenk dat ze ontvangen. Dergelijke geschenken zijn niet nuttig, maar de productie en verwijdering ervan hebben een negatieve invloed op de aard van onze planeet. Zo kwamen de auteurs van het project op het idee om een dienst te creëren voor het verkopen van geschenken met augmented reality.
Om de relevantie van het idee te testen, hebben we een onderzoek uitgevoerd. 82% van de respondenten had te maken met het probleem bij het kiezen van een cadeau. Voor 57% van de respondenten was de grootste moeilijkheid bij het kiezen de angst dat hun gaven niet zouden worden gebruikt. 78% van de mensen is bereid te veranderen om de milieuproblemen op te lossen.
De auteurs hebben drie stellingen naar voren gebracht:
- Geschenken leven in de virtuele wereld.
- Ze nemen geen ruimte in beslag.
- Altijd dichtbij.
Om augmented reality op internet te implementeren, kozen de auteurs voor de AR.js-bibliotheek, die uit twee hoofdonderdelen bestaat:
- De eerste is verantwoordelijk voor het tekenen van afbeeldingen bovenop de camerastream met behulp van A-Frame of Three.js.
- Het tweede deel is ARToolKit, dat verantwoordelijk is voor het herkennen van een marker (een speciaal teken dat kan worden afgedrukt of weergegeven op het scherm van een ander apparaat) in de camera-uitvoerstroom. De markering wordt gebruikt om de afbeeldingen te positioneren. Door de aanwezigheid van ARToolKit kun je geen markerloze augmented reality creëren met AR.js.
AR.js verbergt veel valkuilen. Het gebruik ervan in combinatie met A-Frame kan bijvoorbeeld stijlen op de hele site ‘breken’. Daarom gebruikten de auteurs een “bundel” van AR.js + Three.js, die een aantal van de problemen hielp oplossen. En om AR.js op basis van Three.js in te sluiten in React, waarin de projectwebsite is geschreven, moesten we een AR-Test-2-repository maken (), dat een afzonderlijke React-component implementeert voor het gebruik van AR.js op basis van Three.js. Weergave van het model in augmented reality en 3D (voor apparaten zonder camera) werd geïmplementeerd.
Later bleek echter dat gebruikers niet begrijpen wat een marker is en hoe deze te gebruiken. Daarom schakelden de auteurs over op technologie , dat momenteel actief wordt ontwikkeld door Google. Het gebruikt ARKit (iOS) of ARCore (Android) om modellen in AR weer te geven zonder marker. De technologie is gebaseerd op Three.js en omvat een 3D-modelviewer. De bruikbaarheid van het programma is aanzienlijk verbeterd, maar om augmented reality te bekijken heb je een apparaat met iOS 12 of hoger nodig.
Het project is nu beschikbaar op (), waar u uw eerste geschenk kunt ontvangen.
Projectteam: Denis Stasyev, Anton Chadov.
Meer over onze onderwijsprojecten kunt u lezen op . En bezoek het kanaal vaker Daar verschijnen regelmatig nieuwe educatieve video's over programmeren, ontwikkelen en andere disciplines.
Bron: www.habr.com