Проектирование

Проектирование нейронной сети, как и любого другого программного обеспечения, начинается с первоначальной экспертизы, формализации бизнес-задачи и требований к результату.

После постановки конкретной бизнес-задачи и оформления ТЗ наша команда приступает к, собственно, самому созданию нейросети: получает и размечает исходные данные, кодирует их и соединяет в единую систему. После разработки нейронной сети на основе выбранной топологии мы начинаем обучение. В зависимости от специфики деятельности обучение нейронной сети может занимать от 1 недели до нескольких месяцев.

Для разметки фреймов мы используем собственный продукт, схожий по своему функционалу с Яндекс.Талока. 

Обучение нейросети, как правило, происходит на видеокартах по заранее подготовленной и размеченной выборке. Для проектов мы используем разных экспертов и специалистов исходя из общей специфики предприятия. Куратор осуществляет общее руководство обучением, а также является ответственным за все решения, принимаемые обучающей командой.

После закрепления у системы основных алгоритмов распознавания мы осуществляем множественные прогоны, после каждого из которых в систему вносятся соответствующие правки. Процесс проверки результатов обучения и дополнительное закрепление навыков обычно занимают от 2 до 6 месяцев.

И только после окончания всего цикла обучения сети мы внедряем полученное высокоинтеллектуальное решение в промышленную эксплуатацию.

Особенно ценными для нас являются проекты, предусматривающие совместное владение нейросетями. Мы занимаемся профессиональным внедрением и долговременной технической поддержкой своего продукта. Для постоянных заказчиков предоставляются наиболее выгодные и интересные условия сотрудничества.

Пример оценки одного из проектов по разметке и обучению нейронной сети:

1. Подготовительные работы (тестирование камер, выбор фокусного расстояния, постановка граничных условий задачи)
1.1. Разметка 300 фреймов с камер 2.8, 3.6 мм, итого 600 фреймов, 3 дня
1.2. Обучение 10 тыс. шагов, 1 день
1.3. Тестирование по валидационному датасету, 1 день
1.4. Конвертация модели в OpenVINO, 1 день
1.5. Тестирование модели в OpenVINO по валидационному датасету и сравнение качества/скорости с исходной моделью до конвертации, 1 день
1.6. Формирование сводного отчета по быстродействию модели и качественным параметрам, согласование необходимого оборудования для исполнения (камеры, CPU, VPU), 3 дня
2. Построение архитектуры решения (край + централизованная аналитика в ДЦ), 10 дней
3. Разметка контента, 20 тыс. фреймов, 100 дней
4. Обучение нейронной сети, 5 дней
5. Конвертация модели в OpenVINO, квантование (перевод в INT8), 3 дня
6. Разработка алгоритма траекторного анализа (выделение уникальных событий), 20 дней
7. Разработка ПО для подсчета и выгрузки событий
7.1. Прием, нарезка потоков (до 3 шт.) на кадры с учетом делителя кадровой частоты (gstreamer/ffserver), 10 дней
7.2. Партируемый интерфейс настройки подключаемых камер (зона, адресация, список источников, параметры передачи в ДЦ), 30 дней
7.3. Хранение событий (mongoDB/PostgreSQL), 10 дней
7.4. REST API для интеграции, 10 дней

Часть работ ведется параллельно. Сроки выполнения отдельных этапов могут сокращаться за счет увеличения числа исполнителей. 

Итоговые сроки реализации данного проекта 3 календарных месяца. 

Вернуться на главную
Благодарим за Ваше обращение!
Наш специалист свяжется с Вами в самом ближайшем будущем чтобы обсудить вопросы взаимодействия.