Детектор Ворот
Суть проекта
Сейчас на моей базе из 1000 фотографий нейросеть уже неплохо научилась отличать основные технологии (AM и РЧ) на хороших, чётких кадрах. Но чтобы дожать эту тему до идеала — когда вам больше не нужно будет гадать «а что тут стоит?», а достаточно просто достать телефон — модели нужно больше реальных данных. Предварительно требуется 15к фоток, а это всего-то 100 человек по 150 фоток.
В итоге сервис должен научиться сходу отличать производителей, конкретные модели, видеть спрятанные потолочные системы. А потом добавим и распознавание самих бирок (датчиков, тегов, «ракушек», магнитов, алармов — как бы вы их ни называли), но это отдельный проект и другая история, просто есть идеи.
Красивые студийные фото — это круто, но мне нужны фотки из реальной жизни. Нормальная нейросеть должна переваривать магазинный хаос, блики стёкол и кадры, снятые на бегу.
НО!!! нормальные фото тоже нужны, просто обычно мне скидывают фотки снятые не всегда нормально, иногда не понимая даже "а что нужно снимать", отправляя фотки куска ворот или вообще не под тем углом.
Идеальные фотографии тоже нужны, иначе нейросеть не будет знать истинных данных.
Важно! Те кто примерно понимают какие ворота встречаются чаще всего, ищите редкие ворота, которые может быть распространены только в вашей стране. Так как условных сенсорматик, чекпоинт итак большинство, но и они нужны мы просто разложим потом по папкам и моделям.
Важно! Важно! Металлодетекторы дополнительные, RFID ворота и потолочные системы RFID.
Что именно нужно фотографировать
Сами ворота
Акустомагнитные, радиочастотные, старые, новые, с рекламой и без, целиком или торчащие наполовину.
Входные зоны
Вид с улицы, вид изнутри магазина, проходы в ТЦ, где эти ворота установлены.
Кассы
Выходы после кассовых линий и узкие проходы, где рамки хорошо видны.
Допы и редкости
Дополнительные рамки металлодетекторов рядом с основными, потолочные панели, спрятанные в двери блоки.
Магазины БЕЗ ворот
Входы, где рамок вообще нет! Нейросети нужно показывать пустые двери, чтобы ей не мерещились ворота там, где их нет.
Дерьмовое качество
Чётко, смазано, издалека, через грязное стекло. Нейронку будем учить на таких же фотках, которые обычно присылают люди — снятых «на ходу из кармана».
Как лучше снимать
Фоткай один магазин с разных ракурсов: с улицы, изнутри, прямо, сбоку. Детали тоже важны.
Снимай так, будто ты скидываешь это фото живому спецу, чтобы он своим мозгом и опытом понял, что за система в кадре.
ВАЖНО: Встроенная камера внутри самого Telegram сильно искажает пропорции! Делай фотки на обычную камеру телефона, а уже потом отправляй в мессенджер.
Если фоткать запрещают охранники или это конфликтная ситуация — забей и иди дальше. Твоя безопасность важнее одной фотки.
Образцы кадров
👍 Отличные примеры: ворота есть в кадре
Общие планы и разные ракурсы. Боковой вид, отражения в стекле, манекены на фоне — всё это идеальный материал для обучения.
🛑 Тоже очень нужно: входы БЕЗ ворот
Это не «пустые» кадры, это важнейшие примеры, чтобы алгоритм спокойно отвечал: «Тут чисто, ворот нет».
Уважение, почёт и подгоны
Бот уже запоминает, кто сколько прислал полезных фоток. Лучшие и самые активные помощники получат респект, мы запишем вас в соавторы датасета, а по возможности я буду отправлять реальные подарки — оборудование с нашего сайта. Если у вас пока нет бабла, но полно свободного времени — это ваш шанс залететь в интересный проект.
Призыв к кодерам и датамайнерам 💻
Если тут есть прошаренные ребята, которые РЕАЛЬНО умеют парсить фотки с Гугл/Яндекс Карт (панорамы улиц, фотки из отзывов, карточки магазинов) — буду крайне рад помощи!
Наша текущая модель уже умеет на лету выявлять ворота в кадре. Нам не хватает только толкового метода автоматического парсинга этих картинок из интернета, чтобы мы могли встроить ваш парсер в наш цикл: скачал фотку магазина ➔ модель проверила ➔ если есть ворота, сохранила в базу. Если знаете, как выцарапать такие картинки, или у вас завалялись готовые розничные датасеты — пишите!