Стажировка по проекту
Автоматизация открытия шлагбаума для доступа на парковку
Компания: ООО «КСК ИТ»
Суть проекта
Задача
Для чего
Вводные данные
У предприятий компании имеется собственные парковки для сотрудников на въезде у которых стоят шлагбаумы, на данный момент сотрудники пользуются приложением для открытия и доступа на парковку. Руководство компании решила автоматизировать доступ на парковку сотрудников, используя камеры безопасности, установленные на парковках
- Увеличение эффективности и скорости доступа
- Снижение операционных затрат
- Повышение безопасности
- Улучшение пользовательского опыта
- Сбор и анализ данных
- Конкурентное преимущество
Заказчиком предоставлен видеоархив, требующий обработки, фильтрации - запись с 5-6 видеокамер за 10 дней (разбитый по частям) 5 дней (цельные видео) примерно = 0,5 ТБ
На выходе должен быть текст госномера, фото госномера, по возможности марка и модель транспортного средства для дальнейшей обработки и учета
Выходные данные
Участники
1 команды проекта
1 команды проекта
- кУС нИКОЛАЙТимлид проектаНиколай - руководитель группы разработчиков, отвечал за полную разработку проекта
- Шалин АнтонПомощник тимлида
- Подготовка датасета для обучения моделей из видеоматериалов заказчика, поиск данных в открытых источниках
- Проверка гипотез для решения задачи
- Тишкин АндрейЗаместитель генерального директора по Информационным технологиям на мясоперерабатывающем комбинате
- Поиск открытого датасета
- Тренировка Yolo9(не вошла в проект) и Yolo5n для определения рамки номеров
- Тренировка OCR модели для определения номера на архитектуре EfficientNetV2(не вошла в проект)
- Оптимизация и ускорения работы нейросетей
- Сборка проекта в окончательном варианте. Разработка утилит для тестирования и редактирования конфигурации
- Нечаев ДмитрийПРедприниматель
- Разработка и реализация алгоритма автоматического исправления ошибок при распознавании номеров, использующий трекер
- Подготовка датасета на 146 тыс. картинок из видео заказчика
- Обучение модели OCR с архитектурой EfficientNetB0 и BiLSTM
- Драгинда ЮлияНаучный сотрудник (CIRMMT, Монреаль, Канада)
- Подготовка датасета для обучения моделей из видеоматериалов заказчика
- Обучение модели распознавания текста гос. номеров машин на основе CTC loss с архитектурой Resnet34+LSTM
- Тестирование обученных моделей Yolov8 для детекции области номера
- Сборка полной версии модели, включающая определение машины в кадре (Yolo8n), определение области гос. номера (Yolov8s), распознавание текста номера (обученная модель c CTC loss) и проверку наличия номера в базе данных заказчика
- Янин АндрейПрограммист
- Подготовка датасета для обучения моделей из видеоматериалов заказчика и создание датасета из синтетических данных
- Создание и обучение нейросетей по сегментации госномера
- Создание и обучение нейросетей по распознаванию текста госномер
- Андреева ТатьянаИнженер в радиоастрономической обсерватории
- Подготовка датасета для обучения моделей из видеоматериалов заказчика, поиск данных в открытых источниках.
- обучение модели RT-DETR на датасете “Russian_License_Plates_Detector” (нахождение рамки номера на видео)
- Проверка работы обученной модели на видео заказчика
- Генис Дмитрий
- Подготовка датасета для обучения моделей из видеоматериалов заказчика, поиск данных в открытых источниках
- Проверка гипотез для решения задачи
- Широнин Игорь
- Подготовка датасета для обучения моделей из видеоматериалов заказчика, поиск данных в открытых источниках
- Оформление Гитхаб
- Проверка гипотез для решения задачи
- Байдин Кирилл
- Решение задачи с использованием готовых библиотек (YOLO v8, OpenCV, Eazy OCR)
- Реализация поиска рамки 2 способами
- Яблонский ГеннадийБолее 30 лет работал в IT сфере в крупной нефтегазодобывающей компании
- Подготовка датасета для обучения моделей из видеоматериалов заказчика, поиск данных в открытых источниках
- Решение задачи с использованием YOLO v8
- Проверка гипотез для решения задачи
- Локтев СергейТранспортный аналитик
- Подготовка датасета для обучения моделей из видеоматериалов заказчика
- Проверка гипотез для решения задачи
- Геворгян ДавидОрганизация праздников и мероприятии
- Разметка и подготовка данных: Использование моделей YOLO 5 и YOLO 8 для разметки номеров.Вырезка изображений номеров для дальнейшего обучения распознаванию символов
- Эксперименты с PyTorch VGG-16
- Посимвольное обучение с помощью YOLO
- Скворцов Евгенийинженер по безопасности на АЭС
- Подготовка датасета для обучения моделей из видеоматериалов заказчика
- Проверка гипотез для решения задачи
- Бедаков Андрей
- Подготовка датасета для обучения моделей из видеоматериалов заказчика, поиск данных в открытых источниках
- Проверка гипотез для решения задачи