Detektor Bramek

Społecznościowa baza zdjęć i darmowy bot do rozpoznawania systemów antykradzieżowych

Cześć wszystkim! Przez lata pracy napatrzyłem się na tysiące zdjęć bramek sklepowych, które ludzie mi podsyłali z prośbą o pomoc w identyfikacji. Teraz tworzę zautomatyzowany serwis (bota na Telegramie) – po prostu wrzucasz fotkę wejścia do sklepu i od razu wiesz: czy są tam bramki antykradzieżowe, w jakiej technologii działają i z czym to się je.

Wyślij zdjęcie do Bota Jak dobrze robić zdjęcia

O co w tym chodzi

Na mojej obecnej bazie około 1000 zdjęć sieć neuronowa już całkiem nieźle odróżnia podstawowe technologie (AM i RF) na w miarę dobrych fotkach. Ale żeby dopiąć ten temat na tip-top – tak, żebyś nie musiał zgadywać "co tu stoi?", a po prostu wyciągnął telefon – algorytm potrzebuje dużo więcej prawdziwych danych. Na start potrzebujemy jakieś 15 tysięcy zdjęć. To zaledwie 100 osób, z których każda cyknie po 150 fotek.

Docelowo serwis ma z marszu rozpoznawać producentów, konkretne modele i wyłapywać ukryte systemy sufitowe. A z czasem dodamy rozpoznawanie samych zabezpieczeń (klipsów, naklejek, magnesów, "pajączków" i innych alarmów), ale to już osobny projekt, na razie po prostu głośno myślę.

TWOJA POMOC I PRAWDZIWYCH ZDJĘĆ

Wylizane, studyjne fotki są super, ale ja potrzebuję życia. Normalna sieć neuronowa musi trawić sklepowy chaos, odblaski na szybach i zdjęcia robione w biegu.

ALE!!! Dobre jakościowo zdjęcia też są niezbędne. Zazwyczaj ludzie wysyłają mi fotki robione całkowicie bez pojęcia "co tak naprawdę trzeba uchwycić", ucinając połowę bramki albo robiąc zdjęcie pod jakimś kosmicznym kątem.

Idealne fotki są konieczne, żeby sieć neuronowa poznała wzorzec i wiedziała, jak ten sprzęt wygląda w rzeczywistości.

Ważne! Jeśli ogarniasz, które bramki pojawiają się u Ciebie najczęściej, poluj na te rzadsze, specyficzne dla Twojego kraju. Standardowych Sensormaticów i Checkpointów mamy sporo (choć nadal ich potrzebujemy, po prostu potem posortujemy je do odpowiednich folderów).

Ważne! Ważne! BARDZO potrzebujemy dodatkowych wykrywaczy metali, bramek RFID i sufitowych systemów RFID.

Co dokładnie fotografować

Same bramki

Akustomagnetyczne (AM), radiowe (RF), RFID, hybrydy, stare, nowe, z tekturową reklamą i bez, w całości lub wystające do połowy.

Strefy wejściowe

Widok z ulicy, ze środka sklepu, witryny i korytarze w galeriach handlowych, gdzie stoją bramki.

Kasy

Wyjścia za linią kas i wąskie przejścia, gdzie słupki są dobrze widoczne.

Dodatki i unikaty

Dodatkowe ramki wykrywaczy metali obok głównych bramek, panele sufitowe, ukryte bloki w drzwiach.

Sklepy BEZ bramek

Wejścia, gdzie w ogóle nie ma bramek! Algorytm musi naoglądać się pustych drzwi, żeby nie miał halucynacji i nie widział metalu tam, gdzie go nie ma.

Kijowa jakość

Ostre, rozmazane, z daleka, przez brudną szybę. Uczymy algorytm na takich samych fotkach, jakie ludzie realnie wysyłają – robionych "z biodra".

Jak najlepiej robić zdjęcia

01

Rób zdjęcia jednego sklepu z różnych perspektyw: z ulicy, ze środka, na wprost, z boku. Detale też mają znaczenie.

02

Rób zdjęcie tak, jakbyś wysyłał je do żywego eksperta, żeby na podstawie swojego mózgu i doświadczenia rozpoznał, co to za system.

03

BARDZO WAŻNE: Wbudowany aparat w samym Telegramie mocno zniekształca proporcje! Rób zdjęcia normalną aplikacją aparatu w telefonie, a dopiero potem wysyłaj je do komunikatora.

04

Jeśli fotografowanie jest zabronione, ochroniarz się rzuca albo robi się kwas – odpuść i idź dalej. Twoje bezpieczeństwo jest ważniejsze niż jedna fotka.

Przykładowe kadry

Po co robić zdjęcia sklepów, w których nie ma bramek? Wyobraź sobie, że bramki tam stoją i zrób zdjęcie wejścia. Algorytm uczy się przez porównanie. Kadry bez sprzętu uczą sieć neuronową, żeby nie myliła zwykłych szklanych drzwi, wieszaków z ubraniami czy szyldów reklamowych z systemami antykradzieżowymi.

👍 Świetne przykłady: bramki są w kadrze

Szerokie plany i różne kąty. Widok z boku, odbicia w szybie, manekiny w tle – to idealny materiał do nauki dla AI.

Ogólny widok wejścia, obie stojące bramki wyraźnie widać.

Przez szybę jest super. Odblaski w galeriach to codzienność.

Z bliska dobrze widać poprzeczki i detale designu.

Ciuchy i manekiny w kadrze – to absolutnie normalne.

Ujęcie z boku uczy algorytm rozpoznawania bramek nie tylko "na wprost".

Nawet jeśli bramkę widać tylko w połowie – też ujdzie.

Widok na wyjście z głębi lokalu.

🛑 Równie ważne: wejścia BEZ bramek

To nie są "puste" kadry, to absolutnie kluczowe przykłady, żeby algorytm umiał ze spokojem odpowiedzieć: "Czysto, brak bramek".

Klasyczne, szerokie wejście, ale bez ramek.

Metalowe rurki przy drzwiach to tylko dekoracja – algorytm musi to zrozumieć.

Całkowicie otwarte wejście do butiku.

Krawędzie szklanych drzwi często mylą się z przezroczystymi bramkami.

Kartony reklamowe nie powinny mylić modelu.

Ogólny plan wejścia do supermarketu.

Wąskie przejście bez ramek antykradzieżowych.

Rób zdjęcie dokładnie tak, jakby te bramki tam stały.

Kolejny świetny przykład czystego wejścia.

Szacun, chwała i prezenty

Bot już zapamiętuje, kto podesłał ile przydatnych fotek. Najlepsi i najbardziej aktywni pomocnicy dostaną od nas ogromny szacun, dopiszemy Was jako współtwórców datasetu, a w miarę możliwości będę podsyłał realne suweniry – przydatny sprzęt z mojej strony. Jeśli nie masz kasy, ale masz sporo wolnego czasu – to Twoja szansa, żeby wbić się w naprawdę ciekawy projekt.

Apel do programistów i magików od danych 💻

Jeśli są tu ogarnięci ludzie, którzy REALNIE potrafią scrapować fotki z Google/Yandex Maps (panoramy ulic, zdjęcia z opinii, wizytówki sklepów) – będę cholernie wdzięczny za pomoc!

Nasz obecny model potrafi już w locie wyłapywać bramki na zdjęciach. Brakuje nam tylko sensownego, zautomatyzowanego sposobu na wyciąganie tych obrazków z neta, żebyśmy mogli wpiąć Wasz scraper w nasz obieg: pobierasz fotkę sklepu ➔ model ją sprawdza ➔ jeśli są bramki, zapisuje do bazy. Jeśli wiecie, jak wydrapać takie obrazki, albo macie gdzieś na dysku gotowe, retailowe zbiory danych – odzywajcie się!

Otwórz @easgatesbot Powrót do bazy wiedzy