OpenCV/Обработка и распознавание изображений

Облако точек. Как мы развиваем цифровые технологии в строительстве

Возможно, вы в курсе, а может быть и нет, но мы плотно занимаемся разработкой технологий Индустрии 4.0. IoT, машинное обучение на реальном производстве, цифровые двойники предприятий – со всеми этими вещами мы знакомы не понаслышке. Другими словами, мы знаем, как подружить «цифру» с брутальным тяжёлым машиностроением или нефтедобычей.



Но сегодня мы хотим рассказать о чуть менее героических разработках для не менее суровой строительной отрасли. Мы решили озаглавить свой рассказ «Облако точек», и совсем скоро вы поймёте, почему именно так.

Источник

Охранная система на Python и OpenCV с оповещением в телеграм

Интересное видео, о том как с помощью веб-камеры и ноутбука сделать простую охранную систему с отправкой сообщений в телеграмм.

Сам проект написан на Python. Для детектирования движения используется OpenCV. Отправка сообщений в Telegram происходит с помощью библиотеки Telethon.

Распознавание дороги посредством семантической сегментации

В
предыдущей серии я проводил эксперимент с автономным движением
своего домашнего танка. Дорога распознавалась с помощью цветового фильтра, а полученная маска шла на вход специально обученной нейросети-классификатору, которая выбирала ехать вправо, влево или прямо.

Слабым местом было распознавание самого дорожного полотна из-за переменчивости цветовых оттенков, из-за чего нейросеть, принимающая решения, выдавала странные результаты. В комментариях к той статье рекомендовали обратить внимание на семантическую сегментацию. Тема оказалась перспективной и применение сегментирующей нейросети принесло свои плюсы, но и минусы, куда же без них.

Но обо всем по порядку и для начала немного матчасти.

Источник

Отличаем символы от мусора: как построить устойчивые нейросетевые модели в задачах OCR

В последнее время мы в группе распознавания компании ABBYY всё больше применяем нейронные сети в различных задачах. Очень хорошо они зарекомендовали себя в первую очередь для сложных видов письменности. В прошлых постах мы рассказывали о том, как мы используем нейронные сети для распознавания японской, китайской и корейской письменности.


Пост про распознавания японских и китайских иероглифов


Пост про распознавание корейских символов

В обоих случаях мы использовали нейронные сети с целью полной замены метода классификации отдельного символа. Во всех подходах фигурировало множество различных сетей, и в задачи некоторых из них входила необходимость адекватно работать на изображениях, которые не являются символами. Модель в этих ситуациях должна как-то сигнализировать о том, что перед нами не символ. Сегодня мы как раз расскажем о том, зачем это в принципе может быть нужно, и о подходах, с помощью которых можно добиться желаемого эффекта.

Мотивация

А в чём вообще проблема? Зачем нужно работать на изображениях, которые не являются отдельными символами? Казалось бы, можно разделить фрагмент строки на символы, классифицировать их все и собрать из этого результат, как, например, на картинке ниже.



Да, конкретно в данном случае так действительно можно сделать. Но, увы, реальный мир устроен куда более сложно, и на практике при распознавании приходится иметь дело с геометрическими искажениями, смазом, пятнами кофе и прочими трудностями.

Источник

Samsung открывает бесплатный онлайн-курс по нейросетям в задачах компьютерного зрения

Вы пока не разбираетесь, почему ReLU лучше сигмоиды, чем отличается Rprop от RMSprop, чем нормализованный сигнал лучше ненормализованного и почему сигналы вообще стоит пробрасывать? И зачем нейронной сети нужен граф, и какую он совершил ошибку, что она распространяется обратно? У вас есть проект, в котором требуется компьютерное зрение, но вы хотите его реализовать при помощи OpenCV? Вы делаете межгалактического робота для борьбы с грязными тарелками, и хотите, чтобы он мог сам решать, отмывать или и так сойдет? Или вы видели предложения по зарплатам для специалистов ML на hh.ru и все еще под впечатлением?

Мы запускаем открытый
курс «Нейронные сети и компьютерное зрение», который адресован тем, кто в этой области делает первые шаги. В чем преимущества нашего курса?

• авторы курса знают, о чем говорят: это инженеры московского Центра искусственного интеллекта Samsung, Михаил Романов и Игорь Слинько;
• есть как теория (с опциональными математическими задачами для улучшения понимания), так и практика на PyTorch
• приступаем к практике сразу после освоения минимальных теоретических знаний.
• есть котейки
• и самое главное: лучшие студенты будут приглашены на собеседование в Samsung Research Russia!

Источник

Цвет Луны и Солнца из космоса в значениях RGB и цветовой температуры

Казалось бы, вопрос цвета Луны и Солнца из космоса для современной науки настолько простой, что в нашем веке совсем не должно возникать проблем с ответом. Речь идёт о цветах при наблюдении именно из космоса, т. к. атмосфера приводит к изменению цвета из-за рэлеевского рассеяния света. «Наверняка где-нибудь в энциклопедии об этом подробно, в числах уже давно написано» – скажете вы. Хорошо, прямо сейчас попробуйте поискать в Интернете об этом информацию. Получилось? Скорее всего, нет. Максимум, что вы найдёте – это пара слов о том, что Луна имеет буроватый оттенок, а Солнце – красноватый. Но вы не найдёте информацию о том, видны ли эти оттенки для человеческого глаза или нет, уж тем более значения цветов в RGB или хотя бы цветовые температуры. Зато вы найдёте кучу фотографий и видео, где Луна из космоса изображена абсолютно серой, в основном на фотографиях американской программы «Аполлон», и где Солнце из космоса изображено белым и даже голубым.

Сугубо моё личное мнение – это не что иное, как следствие вмешательства политики в науку. Ведь цвета Луны и Солнца из космоса непосредственно касаются полётов американцев на Луну.

Я перерыл множество научных статей и книг в поисках информации о цвете Луны и Солнца из космоса. К счастью, оказалось, что хоть в них нет прямого ответа в RGB, но есть полная информация о спектральной плотности излучения Солнца и отражательной способности Луны по спектру. Этого вполне достаточно, чтобы получить точные цвета в значениях RGB. Надо всего лишь аккуратно посчитать, что, собственно, я и сделал. В этой статье я с вами поделюсь результатами расчётов и, естественно, подробно расскажу о самих расчётах. И вы увидите Луну и Солнце из космоса в настоящих цветах!

Источник

Комбайны видеоаналитики: что мозг и машины делают с нашими лицами

Навык видеть и быстро узнавать лица – это сверхспособность. Не нужно тратить время на анализ, изучать морщинки, складки и овалы. Распознавание лица происходит мгновенно и без усилий. Это так легко, что мы не отдаем себе отчет в том, как нам это удается.

Задумайтесь, насколько разные лица похожи друг на друга – два глаза, рот, нос, по бокам торчат уши, каждый раз в одном и том же порядке (чаще всего). Невероятно, что мы проводим анализ объекта с такой легкостью.

Мы «запрограммированы» распознавать лица с рождения, но сейчас люди добились большего – научили машину этому навыку. Как повлияет на жизнь общества повсеместное внедрение систем распознавания и идентификации персон?

Источник

Как мы помогали трансформировать работу бухгалтерии в МОЭК

Мы несколько раз писали о том, как наши технологии помогают
различным организациям и даже
целым государствам обрабатывать информацию из любых типов документов и вводить данные в учетные системы. Сегодня расскажем, как внедряли
ABBYY FlexiCapture в
Московской объединенной энергетической компании (МОЭК) – крупнейшем поставщике тепла и горячей воды в Москве.

Представьте себя на месте обычного бухгалтера. Понимаем, это непросто, но все-таки попробуйте. Каждый день вам приходит огромное количество бумажных счетов, накладных, справок и так далее. А особенно много – в дни перед сдачей отчетности. Все реквизиты и суммы нужно быстро и внимательно проверить, перепечатать и внести в учетную систему, вручную провести транзакции и отправить документы в архив, чтобы потом вовремя предоставить для проверки внутренним аудиторам, налоговой службе, органам тарифного регулирования и другим. Сложно? Но это многолетняя деловая практика, которая существует во многих компаниях. Вместе с МОЭК мы упростили эту кропотливую работу и сделали ее удобнее. Если вам интересно, как это было, добро пожаловать под кат.



На фото – московская ТЭЦ-21, крупнейший в Европе производитель тепловой энергии. Тепло, выработанное на этой станции, МОЭК поставляет 3 миллионам жителей севера Москвы. Источник фото.

Источник

Поиск Twitch-стримеров в матче PUBG

Недавно наряду с реплеями
minmax.gg/chickendinner мы выпустили новую функцию, отображающую видео, транслируемые участвующими в матче PUBG Twitch-стримерами. Чтобы реализовать её, нам нужно было распознавать Twitch-стримеров по их внутриигровым именам, что оказалось довольно интересной задачей.

Источник

Своя видео-платформа — ffmpeg и качество кодирования видео. Part 2

_{Lenna любит хорошо выглядеть — фотомодель в конце концов. Ходят легенды, что добавление её в заголовок статьи, связанной с обработкой визуальных данных даёт +5 к шансу на плюсы.}

Продолжаю раскрывать особенности работы видео сервисов. Сегодня заметки про параметры кодирования и их выбор.

Первая часть

Большинство кодеков предлагают достаточно сбалансированные значения по умолчанию, позволяя получить нормальный результат без долгого подбора параметров. Однако, когда речь идёт о большом архиве видеоматериала, об ограничениях на битрейт, соображениях совместимости с оборудованием клиента и разумном желании сохранить качество оригинала, всё становится интереснее.

К сожалению, волшебной кнопки «скодировать совсем хорошо» не предусмотрено. Как и аналога
caniuse для параметров кодирования. Придётся разбираться в особенностях работы кодеков.

Источник

Как мы делали книжный сканер для судов

Началось всё с того, что однажды мы увидели гигантскую хреновину (иначе не скажешь), которая выглядела один в один, как гидравлический пресс какого-нибудь завода. Она скрипела, шипела и давила книгу. Вокруг бегали специально обученные операторы и шарахались от каждого её движения.

Выяснилось, что разные архивы, библиотеки, суды и другие структуры закупают сканеры, или, скажем так, классические решения, которые по уровню начинки очень напоминают 90-е годы. Потому что тогда были разработаны первые сканеры для библиотек, и их с тех пор не особо модифицировали.

Задачей сканера было механически выровнять сканируемый материал на плоскости, а потом отсканировать.

С тех пор поменялись две вещи:

— Подходы к конструированию электроники.

— Подходы к машинному зрению.

Источник

WebP скоро захватит веб, но век будет не долгим

Стандарт кодирования изображений WebP нельзя назвать новым, его представила Google в уже далёком 2010 году. Однако всё это время использование его было сильно ограничено из-за того, что разработчики браузеров имели собственное мнение по поводу того, какой новый формат изображений должен поддерживать их браузер. Но скоро ситуация изменится, т. к., наконец, поддержка WebP появится на подавляющем большинстве браузеров. Но стандарт WebP рискует стать популярным, будучи уже устаревшим, ведь его конкурент — AVIF, поддерживаемый альянсом большинства разработчиков браузеров, уже в активной разработке.

Источник

Китайская система распознавания лиц посчитала изображение человека на автобусе нарушителем ПДД

В Китае довольно много разных систем, использующих распознавание лиц. Одна из них уже пару лет работает на дорогах, борясь с пешеходами, которые пересекают дорогу в неположенном месте. Эта борьба дает определенные плоды — количество нарушений такого рода значительно сократилось.

Но бывают и курьезные случаи. Например, на днях система распознавания лиц «засекла» известную бизнесвумен Китая Дун Минчжу, посчитав ее правонарушителем. Случилось это в китайском городе Нинбо. Системы такого рода выводят изображение на большой экран, чтобы другие граждане могли увидеть того, кто нарушает правила дорожного движения.

Источник

Pix4D — от фотографий к измерениям

Квадрокоптеры и различные БПЛА постепенно становятся привычными инструментами во многих сферах профессиональной деятельности. Очень сложно переоценить возможности дронов в руках фотографов и видеооператоров, но полностью реализовать потенциал этих устройств можно именно в области промышленности и геодезии. В особенности, если коптер работает под управлением специализированного ПО, а материалы аэросъемки проходят компьютерную обработку и используются для анализа различных данных.

Источник

Посмотри на тень

Сейчас много разговоров о распознавании образов, машинном зрении, и всего с этим связанного не говоря уже о банальной трёхмерной графике. Однако далеко не все знают, и даже задумываются над тем, как же и что же мы видим на самом деле.

Хочу сделать небольшой обзор на эту тему. Думаю что будет познавательно и интересно.

Источник