Hackathon i Consulting
Polskie Radio
Brak zsynchronizowanego systemu wyszukiwania treści multimedialnych znacznie obniżał możliwośc efektywnego działania całej usługi.
Precyzujemy jakie kategorie obiektów system AI ma rozpoznawać. Mogą to być porównania typu:
Zbieranie nazwanych próbek zdjęć odbywa się poprzez kamerę video lub specjalną aplikację mobilną, którą można zainstalować na telefonie. Każde zdjęcie należy odpowiednio sklasyfikować po jego zrobieniu wybierając z listy kategorię z pkt. 1
Każde zdjęcie po etapie dokumentacji przesyłane jest do archiwum w chmurze, skąd nasz algorytm po zakończeniu procesu wykorzysta je do nauki klasyfikacji.
>Proces ten opiera się na doborze odpowiedniej architektury CNN w celach jak najlepszego rozpoznawania obrazów.
W tym kroku dobieramy odpowiednie hiperparametry modelu dla danej architektury CNN i dostosowujemy je w taki sposób, aby uzyskać jak najlepszy wynik.
Ten etap pozwala na testowanie w warunkach pracy w modelu nadzorowanym przez człowieka i dostosowywanie wyników poprzez dotrenowanie i optymalizację kroku 1 i 2.
Proces wdrożenia wytrenowanego modelu oraz integracji z istniejącymi systemami i urządzeniami.
Model wraz z API do jego obsługi może zostać wystawiony w postaci kontenera lub „web serwisu” w chmurze lub na urządzeniu mobilnym, wspierającym technologię Docker.
W celach kontroli dostępu, billingu, konfiguracji podstawowych parametrów działania, administratorzy posiadają możliwość zarządzania mechanizmem z poziomu portalu webowego.
System może komunikować się z dowolnym innym oprogramowaniem lub systemem (np. MES) dzięki możliwości stworzenia dedykowanych integracji.
Naszym umiejętnościom i wiedzy zaufało już wiele przedsiębiorstw. Przeczytaj więcej o tym, w jaki sposób firmy skorzystały na współpracy z nami.