Разработал и оптимизировал систему видеоаналитики для анализа составов грузовых вагонов:
Внедрил модели глубокого обучения (Object Detection, Image Classification, OCR) для автоматизации анализа видеопотоков.
Увеличил скорость обработки видео в 16 раз (с 2 до 32 кадров в секунду при разрешении 1920x1080) за счет оптимизации моделей с использованием ONNX Runtime и NVIDIA TensorRT.
Достиг точности распознавания идентификационных номеров вагонов 93%.
Разработал алгоритм для объединения информации о вагонах с разных ракурсов.
Разработал модуль для оценки положения целевого объекта на плоскости:
Создал модуль, позволяющий определить положение объекта на плоскости по набору фотографий (вид сверху).
Разработал модуль для сегментации сыпучих материалов:
Внедрил алгоритм DeepLabV3+ для автоматической сегментации насыпи, что позволило улучшить точность 3D-моделирования.
Проводил эксперименты с адаптацией алгоритма FixMatch (Semi-Supervised Learning) под задачу сегментации, для повышения скорости запуска проекта на новых объектах.
Осуществил вывод моделей:
Использовал Tensorflow Serving и Nvidia Triton Inference Server для развертывания моделей машинного обучения.
Контейнеризация и автоматизация сборки полученных решений.
Разработал систему для автоматического сбора кадров:
Внедрил систему с использованием FastAPI для сбора кадров при обнаружении движения.
Настроил автоматическую выгрузку полученных кадров в Object Storage.
Опыт работы с данными:
Сбор, анализ и разметка данных для задач машинного обучения, включая изображения (классификация, детекция, сегментация, OCR), видео, табличные данные.