В субботу 15 июня ФИТ.Университет при поддержке IT-кластера провёл митап по нейронным сетям.
«Искусственный интеллект — это будущее не только России, это будущее всего человечества. Здесь колоссальные возможности и трудно прогнозируемые сегодня угрозы. Тот, кто станет лидером в этой сфере, будет властелином мира.», — В.В. Путин.
Спикеры — разработчики компании «Фабрика информационных технологий»: Вячеслав Флоринский, Алексей Иванов, Александр Бармин.
Алексей Иванов произвёл сравнительный анализ различных подходов к подготовке номера, в частности, к изменению его ракурса различными средствами — как классическими, так и нейросетевыми. Рассмотрел преимущества и недостатки каждого подхода, а также проблемы, с которыми пришлось столкнуться при реализации, и пути их решения.
Александр Бармин представил один из способов построения решающей функции, разработанный специально для задачи распознавания ГРЗ на основе градиентного спуска. Привёл результаты распознавания номеров, полученные с помощью разработанной решающей функции.
В ходе доклада Вячеслава Флоринского был предложен алгоритм решения данной задачи, основанный на композиции нескольких методов машинного обучения: нейросеть, дерево решений и случайный лес.
Если вы стали счастливым обладателем сертификата на посещение дневной части форума «БИФ-2019» от Белгородского IT-Кластера, напишите в сообщения нашей группы ВКонтакте для его обмена на билет 🙂
Ваши отзывы помогают нам улучшать качество проводимых мероприятий, пожалуйста, поделитесь своими впечатлениями в комментариях в нашей группе ВКонтакте.
1. Иванов Алексей, тема: «Подготовка изображений ГРЗ для распознавания».
При автоматической фотофиксации нарушений правил парковки требуется распознавать ГРЗ (государственный регистрационный знак) автомобиля. Качество распознавания сильно зависит от ракурса, освещенности, наличия шумов на изображении, других факторов. Поэтому возникает необходимость предварительной подготовки изображения: нормализация яркости, поворот на необходимый угол и т.д. В докладе представлен сравнительный анализ различных подходов к подготовке номера, в частности, к изменению его ракурса различными средствами — как классическими, так и нейросетевыми. Приведены преимущества и недостатки каждого подхода, а также проблемы, с которыми пришлось столкнуться при реализации, и пути их решения.
2. Бармин Александр, тема: «Построение решающей функции».
Один из способов достижения высокой точности распознавания номеров автомобилей — построение ансамбля классификаторов. Изображение, содержащее номер, подается на вход нескольких заранее обученных классификаторов, а затем полученные ответы обобщаются с помощью решающей функции. Построение решающей функции — нетрививальная задача, от решения которой в конечном итоге зависит качество работы ансамбля. В докладе представлен один из способов построения решающей функции, разработанный специально для задачи распознавания ГРЗ, на основе градиентного спуска. Приведены результаты распознавания номеров, полученные с помощью разработанной решающей функции.
3. Флоринский Вячеслав, тема: «Классификация транспортных средств по видимости в кадре».
Для вынесения постановления о нарушении правил парковки недостаточно одного факта фотофиксации. Существует ряд дополнительных требований, в частности, к тому, какая часть транспортного средства находится в кадре. Это требование не поддается строгой формализации, поэтому его автоматическая проверка является нетривиальной задачей. В докладе предлагается алгоритм решения данной задачи, основанный на композиции нескольких методов машинного обучения: нейросеть, дерево решений и случайный лес. Приводится оценка точности и примеры работы предложенного алгоритма.
