Почему коробочная видеоаналитика ломается на пыли и бликах
Разбираем, что происходит с точностью моделей в реальном цеху и зачем дообучать нейросеть на данных площадки.
Что показывает демо и что показывает цех
Коробочные модели обучены на больших открытых наборах: ровный свет, чистая оптика, объекты в характерных ракурсах. В демонстрационном ролике это работает безупречно, потому что условия съёмки близки к обучающим.
На реальной площадке сцена другая. Камера смотрит сверху под острым углом, объектив в пыли, половину смены в кадр бьёт солнце, зимой добавляется конденсат. Точность падает не потому, что модель плохая, а потому, что таких кадров она не видела.
Откуда берутся ошибки
- Блики и засветка: контур объекта размывается, детектор теряет границу
- Пыль и грязь на стекле: постоянный шум, который модель принимает за текстуру
- Острый ракурс сверху: пропорции объекта не совпадают с обучающими
- Перекрытия: человек за стойкой или погрузчиком виден на треть
- Смена смены и освещения: одна и та же сцена днём и ночью различается сильнее, чем два разных объекта
Что даёт дообучение
Дообучение на кадрах площадки закрывает именно этот разрыв. Модель видит вашу геометрию, ваш свет и ваши помехи, и перестаёт считать их аномалией.
На практике это обычно даёт больше прироста, чем замена архитектуры на более тяжёлую: тяжёлая модель на чужих данных ошибается там же, где лёгкая, просто медленнее.
Сколько данных нужно
Для одной задачи на одной сцене хватает нескольких сотен размеченных кадров, если они покрывают разброс условий: день и ночь, чистое и грязное стекло, пустая и загруженная сцена.
Тысяча кадров одного и того же полудня бесполезнее двухсот, снятых в разное время суток. Отбор сложных случаев важнее общего объёма.
Когда коробка всё-таки подходит
Если сцена близка к типовой - ровный свет, фронтальный ракурс, чистая оптика, - готовая модель может дать приемлемый результат сразу, и городить дообучение незачем. Проверяется это за пару дней на ваших же записях, до всякого договора.
Опыт наших клиентов
YAVVI внедрили видеоаналитику, которая сократила простои и оптимизировала логистику.
YAVVI внедрили систему контроля качества на базе computer vision, снизив брак и ускорив проверку продукции.
Реализовали AI-решение для обработки документов, что ускорило работу с данными и уменьшило объём ручной обработки.
Мой проект - тематический сайт знакомств. Я оцениваю его как проект высокого уровня сложности: очень непросто найти разработчиков, которые могли бы его реализовать. Я работал с командой Глеба в течение более двух лет с перерывами, которые были связаны исключительно с моим финансовым состоянием. По итогу могу сказать, что вполне доволен проделанной работой. Ребята знают своё дело, с хорошей коммуникабельностью, и всегда помогут советом. В данный момент вся основная работа сделана, сайт находится в рабочем состоянии и набирает пользователей. Есть идеи по добавлению новых функций, и если я решусь на это, то буду реализовывать их и дальше с этой командой.
Команда Глеба была профессиональной, оперативно реагировали на любые возникающие вопросы и шли навстречу в рабочих моментах. В ходе работы с командой были реализованы части и компоненты масштабного сервиса AI LMS платформы.
Мы разрабатывали несколько сервисов, часть из них запускалась в формате MVP: в частности, автоматизировали обработку запросов корпоративных заказчиков на аренду спортивных площадок. Команда проекта была на связи, и мы активно двигались по нашим требованиям. Достаточно оперативно реализовали и запустили продукт. Спасибо команде!
Обращались в YAVVI за доработками нашего сайта pakpakych.ru. Стек у нас не самый простой: Django, GarpixCMS и React SPA. До этого несколько подрядчиков ограничивались общими рекомендациями «в вакууме». Ребята зашли иначе: сначала провели полноценный технический аудит, разобрали каждый из 26 пунктов нашего ТЗ и по каждому написали, что уже реализовано, чего нет и почему. Отдельно ценно, что не стали продавать нам лишние работы, а честно указали, где функционал в проекте уже есть и где два пункта дублируют друг друга. По ходу аудита нашли критичную проблему, о которой мы не подозревали, и одна эта находка окупила всю работу. По каждой задаче была вилка часов и тип работ, никаких «примерно месяц», всё проверялось руками и подтверждалось инструментами. Каждая доработка выведена в админку, это принципиально: мы получили не разовый результат, а инструмент, плюс обучение нашей команды. Рекомендую тем, у кого нетиповой стек и нужен подрядчик, который сначала разберётся, а потом делает. Продолжаем сотрудничество.
Обсудим вашузадачу
Вам необязательно иметь чёткую задачу. Оставьте контакты, и мы разберём ваши текущие бизнес-процессы и честно покажем, где внедрение технологий даст реальный финансовый результат.
Связаться с нами