R&D департамент Цифроматики занимается исследованиями и разработкой инновационных технологий и процессов в ИТ-сфере.
1
Анализ и подбор атрибутов бизнес-объектов для реализации в прикладных задачах, основанных на решениях на базе искусственного интеллекта
2
Исследования и анализ бенчмарков, state-of-the-art моделей и open source решений для определения оптимальной модели под требуемые задачи.
3
Развертывание и настройка сервисов, предоставляющих API для вывода используемых моделей популярных ML-фреймворков (TensorFlow, PyTorch и др.)
4
Формирование технологических требований для бизнес-задач, основанных на ИИ-решениях.
5
Реализация прикладных и интеграционных сервисов, взаимодействующих с моделями
6
Работа с рядом ИИ-решений и фреймворками (TensorFlow, PyTorch, Natural Language Toolkit, OpenCV и др.).
7
Работа с открытым форматом моделей (ONYX) и форматами определенных фреймворков.
Проектный опыт Цифроматики в R&D включает в себя кейсы на базе ИИ-решений, прогнозных моделей и математического анализа
TensorFlow
PyTorch
NLTK
BERT
Universal Sentence Encoder
Поиск и анализ моделей для получения векторного представления текста под разные требования (мультиязычность, высокая точность для русского языка
Был реализован семантический поиск бизнес-объектов по текстовому запросу, по сопоставимым бизнес-объектам, по файлам и документам. Реализовано отображение и подсветка атрибутов с относительными процентами смыслового сходства бизнес-объекта и поискового запроса. Ранжирование результатов поиска реализовано с учетом: семантического поиска; полнотекстового поиска; релевантности по атрибутам (популярность, населенный пункт, регион); релевантности по геолокации.
Решение поддерживает пополнение справочника стоп-слов в режиме реального времени. Произведена интеграция семантического поиска с поисковым движком ElasticSearch
TensorFlow
BERT
Universal Sentence Encoder
Реализация справочника тегов и правил для применения тегов
Модель автоматического тегирования построена с учетом: вхождения регулярного выражения в текст; семантической близости атрибута тега и текста; семантической корреляции (смысловая близость текущего текста и уже протегированные данные). Реализован конструктор конечного правила (логического выражения) из группы реализованных правил тегирования.
Разработана автоматическая классификация текста и определение эмоциональной окраски с помощью атрибутов и правил тегов. Реализовано автоматическое тегирование изображений, прикрепленных к тексту отзыва
Vosk Speech Recognition Toolkit
Kaldi Speech Recognition Toolkit
Реакция мобильного приложения на ключевые команды — распознавание произнесенного номера в разных его вариациях
Исследовано несколько продуктов и решений для получения оптимальной точности. Для последовательного взаимодействия были объединены несколько моделей для разных категорий задач: распознавание речи, определение объектов на видео и изображениях, распознавание символов. Реализован веб-сервер, предоставляющий API для распознавания речи в тяжелых нейросетях
Реализовано мобильное приложение для анализа речи и выполнения ситуативных прикладных задач (снятия фото с мобильного устройства при произношении номера)
OpenCV
Tesseract
YOLOv5
Определение объектов на видео и изображениях, дообучение модели для требуемой категории объектов (автомобильные номера)
Работа по распознаванию символов автомобильных номеров оптимизирована с помощью удаления помех (выделение только необходимой области изображения с номером), нормализации и выравнивания содержимого выделенной области, цветокоррекции, корректировки возможного перечня символов на изображениях
Реализован анализ наличия заданного номера на фото и видео с последующей подсветкой при наличии
Matplotlib
Tesseract
YOLOv5
Поиск, анализ и сравнение продуктов или моделей для оптимального решения задач при определённых условиях
Реализован поиск, анализ и сравнение продуктов или моделей для оптимального решения задач при определенных условиях: multiple/single object detection; multiple/single object tracking; keypoints detection; определение людей, находящихся на вертикальной поверхности (скалолазы). Произведено дообучение моделей для определения и отслеживания конечностей людей, находящихся на вертикальной поверхности. Реализован анализ событий по входящему видеопотоку (зацеп спортсмена за выступ на скалодроме). Реализовано последовательное взаимодействие моделей, решающих разные задачи (первоочередное определение области видео с человеком и последующее отслеживание скелета на вертикальной поверхности)
Осуществлена оптимизация работы модели с помощью обработки помех (учет потери спортсмена из-за смены угла камеры)
Есть некий поток грузов со своими ограничениями (масса, габариты), у каждого груза есть точка отправления и точка получения. Есть транспортная сеть — тарифы на перевозку контейнера из порта А в порт Б, аналогичные тарифы для железнодорожных и автомобильных перевозок. Существуют неявные переменные, например, в виде стоимости перевалки груза с одного вида транспорта на другой. Требуется подобрать для каждого отправления оптимальный по параметрам маршрут. Необходимо предусмотреть возможность отправки сборного контейнерного груза из разных отправлений в целях снижения логистических расходов на определенных участках пути.
Предложена некая эвристика: сначала реализуется подбор комбинации формирования сборных контейнеров на заданном временном горизонте, далее подбор сводится к множественному вычислению кратчайших маршрутов с последующим анализом оптимальности комбинации по контейнерам.
План движения конкретного отправления может меняться в режиме реального времени в зависимости от добавления других отправлений (сборные грузы).
Оптимизировать железнодорожные отправления из разных цехов металлургического комбината, производящих разную продукцию, но связанных между собой железной дорогой. В распоряжении заказчика есть некое количество служебных станций для формирования отправлений на магистрали РЖД — для конечного заказчика или в международные морские порты, а также для приема пустых вагонов разного типа под погрузку.
Математический анализ обосновал решение собирать отправки по мере готовности грузов с помощью алгоритмов. Магистральные составы формировались при первой возможности отправить полный состав в каком-либо направлении либо для конкретного заказчика.
В математических моделях учтены скидки, предоставляемые РЖД за отправку полных составов в одном направлении. Также учтены физические ограничения вагонов по дальности пробега, так как часть вагонов находится в аренде и имеет экономические ограничения по времени простоя на станциях комбината.
OpenCV
YOLOv5
FairMOT
DaSiamRPN
MediaPipe
AlphaPose
OpenPose
Поиск, анализ и сравнение продуктов или моделей для оптимального решения задач при определённых условиях
Реализован поиск, анализ и сравнение продуктов или моделей для оптимального решения задач при определенных условиях: Multiple/Single object detection; Multiple/Single object tracking; Keypoints detection; определение людей, находящихся на вертикальной поверхности (скалолазы). Произведено дообучение моделей для определения и отслеживания конечностей людей, находящихся на вертикальной поверхности. Реализован анализ событий по входящему видеопотоку (зацеп спортсмена за выступ на скалодроме). Реализовано последовательное взаимодействие моделей, решающих разные задачи (первоочередное определение области видео с человеком и последующее отслеживание скелета на вертикальной поверхности).
Осуществлена оптимизация работы модели с помощью обработки помех (учет потери спортсмена из-за смены угла камеры)
Перезвоните
мне
Заявка успешно отправлена!
Ошибка отправки сообщения!
Заполните все поля!
