Big Data Days 2019

 8-10 октября   Москва

Богдан Ивченко

Dataworkz, Голландия

Биография

Инженер в области машинного обучения.

Доклад

От нейронных сетей до обмана местных властей

Мы расскажем вам историю о том, как мы планируем подорвать парковочный сектор в Голландии. Все началось, когда один из нас получил 5 штрафов за парковку в один день. В настоящее время процесс продажи билетов полностью автоматизирован с помощью так называемых сканирующих автомобилей. Эти автомобили сканируют номерные знаки автомобилей и проверяют, заплатил ли владелец за определенный час. Как специалисты мы окружены крутой технологией машинного обучения и это неприятное событие заставило задуматься: почему бы не обнаруживать сканирующие автомобили при помощи распознавания изображения. Модель (наше приложение) может предупредить о необходимости включить парковочное приложение при обнаружении проезжающего мимо сканирующего автомобиля. Приложение строится вокруг фреймворка глубокого обучения YOLO (You Only Look Once). YOLO — ультрасовременная система обнаружения предметов в режиме реального времени. В более ранних системах обнаружения использовалось перепрофилирование классификаторов или локализаторов. Они накладывают модель на изображение в разных местах и масштабах. Области изображения с высокой степенью совпадения считаются обнаружением. Мы используем совершенно другой подход. Мы применяем единую нейросеть ко всему изображению. Эта сеть разделяет изображение на области и прогнозирует контуры и вероятности для каждой области. Эти контуры взвешиваются в соответствии с прогнозируемыми вероятностями. Во время проверки сеть смотрит на все изображение, поэтому ее прогнозы информируются глобальным контекстом изображения. Она также делает прогнозы с единой сетевой оценкой, в отличие от систем типа R-CNN, которым необходимы тысячи оценок для одного изображения. Это делает ее чрезвычайно быстрой, более чем в 1000 раз быстрее R-CNN, и в 100 раз быстрее Fast R-CNN. Во время лекции мы более подробно расскажем о:

– Обучении модели.

– Разработке приложения.

– Трудностях и проблемах в ходе этого проекта.

– Предстоящих действиях.

Ключевые слова

Real Time Object Detection