Распознавание автомобильных номеров при въезде на парковку

Мир IT все плотнее переплетается с ML, машинным обучением. В компании MERA уже реализовано несколько проектов по ML, в том числе мы создали систему распознавания автомобильных номеров на въезде в наш офис. Разработка велась с чистого листа, поэтому команда пробовала разные пути, подходы и инструменты. 

Делимся материалами с митапа:

1. Разработка прототипа решения - презентация (Юрий Яхно) 

2. Подводные камни внедрения системы - презентация и видео (Георгий Дюльдин)

Время:

28 ноября 2019 г. 18:45 - 28 ноября 2019 г. 21:00

Место:

Кремлевский на Почаине (Почаинская 17)

Уровень участников:

начальный и средний уровень в ML

В программе мероприятия:

Разработка прототипа решения

Какую архитектуру выбрать среди множества альтернатив?

Задачу распознавания символов уже решают студенты, но так ли легко узнать автомобильный номер. Рассмотрим этапы распознавания номера и трудности, с которыми мы при этом столкнулись.

Выступающий

Юрий Яхно, Технический лидер ML-сообщества в MERA

Юрий Яхно, Технический лидер ML-сообщества в MERA

Начинал свою карьеру в науке, где, в частности, познакомился с ML подходами. Затем перешёл в Меру и работаю здесь уже 7 лет. Был и разработчиком и тимлидом в закрытых Enterprise проектах. В прошлом году вернулся к ML уже в рамках проектов Меры. Я считаю, что экспертиза в ML становится одним из стандартных требований к современному разработчику, поэтому буду рад обменяться опытом по этой теме.

Подводные камни внедрения системы

Ответим на каверзные вопросы:

  • Как настройки камеры влияют на качество результата?
  • Как перейти от обработки отдельных картинок к работе с видеопотоком?
  • Как добавить в систему новые данные для обучения, имея очень ограниченные ресурсы?
  • Как контролировать качество работы системы?

Выступающий

Георгий Дюльдин, Cтарший разработчик в MERA

Георгий Дюльдин, Cтарший разработчик в MERA

Моё знакомство с ML началось с простейших нейронных сетей 7 лет назад. Меня тогда зацепила идея создания алгоритмов без необходимости самому вырабатывать правила для получения правильных предсказаний - всё делается в ходе обучения. С тех пор появилось множество новых подходов, особенно в области Deep Learning. Последний год я занимаюсь активной разработкой в различных проектах связанных с Computer Vision - одной из областей, где Deep Learning хорошо себя проявил. Я хочу поделиться тем, как мы преодолевали трудности на пути внедрения ML системы.

Хотите к нам присоединиться?

Карьера в компании MERA

Оценка Программного Продукта

Наши награды