Нещодавно пройшов черговий, зимовий захист випускників трьох наших технопроектів – Технопарку (МДТУ ім. Баумана), Техносфери (МДУ ім. Ломоносова) та Технотреку (МФТІ). Команди представили як реалізацію своїх власних ідей, так і рішення справжніх бізнес-завдань, запропонованих різними підрозділами Mai.ru Group.
Серед проектів:
- Сервіс із продажу подарунків з доповненою реальністю.
- Сервіс, що агрегує акції, знижки та пропозиції з поштового розсилання.
- Візуальний пошук одягу.
- Сервіс для електронного буккросингу з можливістю оренди.
- Смарт-сканер їжі.
- Сучасний аудіо-гід.
- Проект «Завдання Mail.ru»
- Мобільне телебачення майбутнього.
Ми хочемо докладніше розповісти про шість проектів, які були особливо виділені членами журі та менторами.
Візуальний пошук одягу
Проект подано командою випускників Техносфери. За даними аналітиків, fashion-ринок у Росії за 2018 рік становив майже 2,4 трлн рублів. Діти створили сервіс, який позиціонується як інтелектуальний помічник для здійснення покупок в умовах величезної різноманітності товарів. Це B2B-рішення, що розширює функціональність інтернет-магазинів.
У ході UX-тестування автори проекту з'ясували, що під схожою сукнею люди розуміють схожість не за кольором або малюнком, а за атрибутами одягу. Тому хлопці розробили систему, яка не просто порівнює дві картинки, а розуміє семантичну близькість. Завантажуєш зображення предмета одягу, що цікавить, а сервіс підбирає релевантні його атрибутам товари.
Технічно система працює так:
Для детекції та класифікації навчена нейромережа Cascade Mask-RCNN. Для визначення атрибутів та схожості одягу застосовується нейромережа на основі ResNext-50 з кількома головами для груп атрибутів та Triplet loss для фотографій одного товару. Весь проект було реалізовано на основі мікросервісної архітектури.
Надалі планується:
- Запустіть сервіс для всіх категорій одягу.
- Розробити API для інтернет-магазинів.
- Поліпшити маніпуляцію атрибутами.
- Навчитися розуміти запити природною мовою.
Команда проекту: Володимир Бєляєв, Петро Зайдель, Еміль Богомолов.
Мобільне телебачення майбутнього
Проект команди "Технопарку". Студенти створили програму з розкладом телепередач для основних російських каналів цифрового мовлення, до якого додано функцію перегляду каналів за допомогою IPTV (онлайн-канали) або антени.
Найскладніше було приєднати антену до Android-пристрою: для цього використовувався тюнер, для якого автори самостійно написали драйвер. У результаті отримали на Android можливість дивитися телевізор та користуватися програмою телепередач в одному додатку.
Команда проекту: Костянтин Мітраков, Сергій Ломачов.
Сервіс, що агрегує акції, знижки та пропозиції з поштового розсилання
Це проект на стику рекламних та поштових технологій. Наші ящики сповнені спаму та розсилок. Щодня приходять листи з персональними знижками, проте ми все рідше відкриваємо їх, сприймаючи як «марну рекламу». Через це втрачають вигоду користувачі та зазнають збитків рекламодавці. Дослідження Пошти Mail.ru показало, що користувачі хочуть побачити зведення, наявні у них знижки.
Проект
Проект має мікросервісну архітектуру та складається з трьох основних частин:
- OAuth - авторизація для зручного підключення ящиків.
- Збір та аналіз листів з акціями.
- Зберігання та відображення карток зі знижками.
У проекті використовується технологія обробки природної мови з використанням ресурсів GPU: графічні прискорювачі дозволили збільшити швидкість обробки у 50 разів. Алгоритм заснований на запитально-відповідальній системі, що дозволяє швидко додавати категорії акцій відповідно до нових бізнес-вимог.
Ця команда виборола не лише місце у топі команд на думку журі, але й перемогла на конкурсі «Цифрові вершини 2019». Це конкурс російських розробників, які створюють IT-інструменти підвищення ефективності бізнесу та державних структур, і навіть підвищення особистої продуктивності. Наша команда перемогла у студентській номінації.
У студентів великі плани щодо подальшого розвитку проекту, найближчі:
- Інтеграція із поштовими сервісами.
- Використання системи аналізу зображень.
- Запуск проекту на широку аудиторію
Команда проекту: Максим Єрмаков, Денис Зінов'єв, Микита Рубінов.
Окремо хочемо розповісти про три команди, які були відзначені менторами Mail.ru Group, які працювали зі студентами під час всього семестру. Особлива увага при виборі проектів приділялася складності проекту, реалізації та командній роботі.
Проект «Завдання Mail.ru»
Проект було відзначено як журі, так і менторами.
"Завдання Mail.ru" - це перший самостійний сервіс для ведення списку справ, розроблений в компанії. У найближчі місяці Завдання замінять списки завдань у Календарі Mail.ru, а після включення проекту для всіх користувачів він буде інтегрований у мобільну та веб-пошту Mail.ru.
Проект реалізований із застосуванням підходів Offline-first та Mobile-first. Тобто користуватися веб-додатком можна будь-коли, де завгодно і на чому завгодно. Наявність доступу до Інтернету не має значення: дані будуть збережені та синхронізовані. Для більшої зручності можна встановити додаток з браузера, і він буде виглядати як нативний.
Розумний сканер їжі
У продуктовому магазині ми не завжди можемо швидко визначити, чи підходить нам харчовий продукт чи ні, наскільки він безпечний та корисний. Ситуація ускладнюється, якщо у людини є обмеження щодо харчування, різні алергії, або він дотримується дієти. Android-додаток Foodwise дозволяє відсканувати штрих-код продукту і без особливих зусиль зрозуміти, чи варто
його вживати.
Додаток містить три основні розділи: «Профіль», «Камера» та «Історія».
У «Профілі» задаються ваші уподобання: у розділі «Інгредієнти» ви можете виключити з раціону будь-який із занесених до бази 60 000 інгредієнтів та прочитати інформацію про E-добавки. "Групи" дозволяють виключити відразу цілий блок інгредієнтів. Наприклад, якщо вказати «Вегетаріанство», всі продукти, що містять м'ясо, будуть підсвічені червоним.
У розділі «Камера» є два режими: сканування штрих-кодів та розпізнавання овочів та фруктів. Після сканування штрих-коду ви отримаєте всю інформацію про продукт. Виключені інгредієнти будуть підсвічені червоним.
В «Історії» зберігатимуться всі продукти, що були раніше відскановані. Цей розділ оснащений текстовим та голосовим пошуком.
Режим розпізнавання фруктів та овочів дозволяє отримати інформацію про їхню харчову та енергетичну цінність. Наприклад, в одному яблуку міститься приблизно 25 гр.
вуглеводів, що є неприйнятним для людей з низьковуглеводною дієтою.
Програма написана на Kotlin, у «Камері» використано ML Kit для сканування штрих-кодів та визначення фруктів та овочів. Бекенд складається з двох сервісів: API сервера з базою даних,
якої зберігаються 60 000 інгредієнтів та склади 100 000 продуктів, а також нейромережа, написана на Python та Tensorflow.
Команда проекту: Артем Андрюхов, Ксенія Глазачова, Дмитро Сальман.
Сервіс із продажу подарунків з доповненою реальністю
Кожна людина бодай раз у житті отримувала символічні подарунки. Часто для людей важливішим є сам факт уваги, ніж отриманий презент. Такі подарунки не приносять користі, але їх виробництво та утилізація негативно впливають на природу нашої планети. Так у авторів проекту народилася ідея створення сервісу з продажу подарунків з доповненою реальністю.
Щоби перевірити актуальність ідеї, провели дослідження. 82% респондентів стикалися з проблемою вибору подарунка. Для 57% опитаних основною складністю при виборі стало побоювання, що їх подарунками не матимуть. 78% людей готові змінюватися для вирішення проблем екології.
Автори висунули три тези:
- Подарунки живуть у віртуальному світі.
- Чи не займають місця.
- Завжди поруч.
Для реалізації доповненої реальності в Інтернеті автори вибрали бібліотеку AR.js, яка складається з двох основних елементів:
- Перша відповідає за малювання графіки поверх потоку камери за допомогою A-Frame чи Three.js.
- Другою частиною є ARToolKit, який відповідає за розпізнавання маркера (спеціального символу, який можна роздрукувати, або показувати на екрані іншого пристрою) у вихідному потоці камери. Маркер використовується для розташування графіки. Наявність ARToolKit не дозволяє створити доповнену безмаркерну реальність за допомогою AR.js.
AR.js приховує багато «підводних каменів». Наприклад, його використання разом з A-Frame може поламати стилі на всьому сайті. Тому автори застосували зв'язку AR.js + Three.js, завдяки чому вдалося вирішити частину проблем. А для вбудовування AR.js на базі Three.js у React, на якому написано сайт проекту, довелося зробити репозиторій AR-Test-2 (
Однак пізніше з'ясувалося, що користувачі не розуміють, що таке маркер і як його використовувати. Тому автори перейшли на технологію , що зараз активно розробляється Google. Вона використовує ARKit (iOS) або ARCore (Android) для відображення моделей у доповненій реальності без маркера. Технологія заснована на Three.js і включає переглядач 3D-моделей. Зручність програми значно покращилася, проте для перегляду доповненої реальності необхідний пристрій з iOS 12 або новішим.
Наразі проект доступний за адресою (
Команда проекту: Стасьєв Денис, Чадов Антон.
Детальніше про наші освітні проекти ви можете почитати
Джерело: habr.com