Руководитель проектного обучения: Ершов Евгений Валентинович

Заказчик проекта: Центр развития Бизнес-системы «Северстали»

Прототип автоматизированного программного комплекса, целью использования которого является оптимизация и упрощение взаимодействия с нейронной сетью. Данный прототип способен формировать из видео выборку кадров, обучать нейронную сеть и предоставлять возможность работы с гибкой настройкой логики детекции. Основным преимуществом использования данного ПО является снижение времязатрат на выполнение задач с его помощью.

На производстве существует множество задач, решения которых необходимо оптимизировать с помощью применения нейронных сетей. Но подготовка требует много времени и компетенций в множестве разных сфер. Работа с нейронной сетью очень трудоёмка. Сначала нужно собрать и подготовить обучающий датасет из множества размеченных изображений, затем правильно обучить нейросеть, а после создать программное обеспечение обработки результатов её работы. Данные этапы по отдельности могут занимать очень много времени.

Актуальность обусловлена тем, что в наши дни на каждом производстве, стремящемся к улучшению своего имиджа, и в целом внедряется автоматизация и цифровизация.

В рассматриваемом далее случае будет решаться производственная ситуация: существует множество задач, решения которых необходимо оптимизировать с помощью применения нейронных сетей, но подготовка, включающая настройку нейросетей, их обучение и создание ПО, интерпретирующего результаты работы НС требует много времени и компетенций в множестве разных сфер.

Универсальных продуктов, решающих задачи обучения, инференса и организации логики взаимодействия детектируемых объектов выделенных классов не существует. Создано множество проектов, ориентирующихся на определённый тип детектируемых объектов, т.е. на инференс конкретных классов объектов, что является противоположной идей универсальности. Разработка описываемого продукта необходима по причине комплексности и универсальности для любого контекста, т.е. такое ПО, в отличие от аналогов, позволит интерпретировать выходные данные согласно конфигурации пользователя для нейронной сети также настроенной пользователем.

Для решения задач детекции необходима сверточная нейронная сеть для обнаружения и классификации

На страницу проекта