02. Задача проекта
Распознавание возраста:
нейросеть для безопасности и аналитики в одном решении
Автоматический сбор показателей посетитетей торговой точки для адаптации акционных предложений и контроля за соблюдением законодательства со стороны продавцов 
Исходная задача — не разрешать посещать сайт продавца лицам, недостигшим совершенного летнего возраста, по фотографии на сайте с веб-камеры. При этом текущее решение позволяет в режиме реального времени проверять возраст посетителей и в торговых точках, обеспечивая защиту от мошенничества с помощью масок, попыток показать фото другого человека на телефоне.
01. Про заказчика
Мировой лидер в индустрии табачных изделий, известная своими инновациями и ответственным подходом к бизнесу. Продолжая заботиться о соблюдении законодательных норм, компания стремится интегрировать передовые технологии для обеспечения уровня безопасности и удовлетворенности своих клиентов.
03. Как мы решали задачу
0 1
Определение задачи: Исследование требований к системе и ее интеграции со сторонними платформами для полноценного функционирования.0 2
Разработка модели нейросети: Создание и обучение модели на лучших доступных датасетах — IMDB-WIKI, UTKFace и собственном наборе данных.0 3
Интеграция liveness-технологии: Реализация алгоритмов, предотвращающих попытки обмана системы с использованием фейковых изображений лиц.0 4
Разработка API и Backend-системы: Создание надежной инфраструктуры для быстрого получения и обработки данных с использованием передовых технологий.0 5
Тестирование и оптимизация: Проведение масштабных тестов для достижения точности уровня 91% классификации совершеннолетия.0 6
Внедрение решения: Успешная интеграция модели в платформу NeuroVision и запуск на пилотные объекты для анализа демографии посетителей.Интересный факт
В ходе тестов модели ни один младенец не был определен, как совершеннолетний, из группы 5 — 9 лет, нейросеть также никого не определила как совершеннолетнего. Из группы 10 — 14 лет, совершеннолетними определилось всего 3,2%.
04. Как это работает
1 Загрузка изображения: Пользователь передает изображение через REST API для анализа.
2 Детекция лица: Система находит и выравнивает лицо, готовя его к дальнейшей обработке.
3 Проверка подлинности: Алгоритм анализирует лицо на предмет реальности изображения, предотвращая спуфинг-атаки.
4 Определение возраста: Анализируются ближайшие вектора, на основе которых определяется предполагаемый возраст.
5 Выдача результата: Система формирует финальный ответ в формате JSON, сообщая, является ли человек, присутствующий на изображении, совершеннолетним.
05. Наша нейросеть vs конкурентное решение
- Количество распознаваемых фото лиц в часМесяцы после внедрения Системы
Ось Y - Количество распознаваемых фото лиц в час Ось X - Месяцы после внедрения Системы
Item 1 of 1
06. Проблемы и их решение
Множество лиц на одном изображении
При обнаружении более одного лица система не могла корректно идентифицировать возраст, приводя к сбоям в процессе обработки.
Фотографии
Решение: возвращать ошибку
Внедрена система кодов ошибок, возвращающая «many_faces» в случае обнаружения множества лиц, что позволило оперативно обращаться с подобными случаями и оптимизировать механизм обработки.
Фотографии
Неточности в датасетах и обучении
Некоторые используемые датасеты содержали неточную информацию по возрасту, что влияло на общий результат обучения.
Решение: своё лучше!
Разработан и внедрен собственный датасет с тщательной проверкой информации для обеспечения точности и релевантности тренировки модели. Часть возраста сверялась по фото с шариками в день рождения человека.
07. Ценность проекта
Повышенная безопасность при проверке возраста
Наш проект предоставляет надежное решение для автоматической проверки возраста, что критически важно для соблюдения законодательных норм в продаже возрастных товаров. Благодаря высокоточной нейросети, бизнес получает возможность надежно идентифицировать несовершеннолетних посетителей, минимизируя риски юридических последствий и поддерживая хорошую репутацию.Оптимизация клиентского опыта
Передовые технологии, заложенные в проект, обеспечивают быстрое и бесшовное взаимодействие с посетителями. Проверка возраста занимает считанные секунды, что предотвращает очереди и повышает уровень удовлетворенности клиентов. Улучшение клиентского опыта напрямую влияет на лояльность и повторные покупки, что делает это решение крайне привлекательным для бизнеса в сфере услуг.Снижение операционных расходов
Автоматизация процесса проверки возраста и сегментации демографии позволяет бизнесу сократить расходы на персонал, направленный на контроль доступа и анализ клиентов. Эффективность работы системы в сочетании с минимальными затратами на поддержку помогает существенно улучшить общие финансовые показатели компании.Демографическая аналитика в реальном времени
С помощью нашего решения бизнес получает мощный инструмент для анализа демографической информации о посетителях. Модель позволяет собирать данные о возрасте, что способствует более эффективному таргетированию рекламных кампаний и адаптацию продукции к потребностям клиентов. Это значительное преимущество для ритейлеров, стремящихся увеличить свою конкурентоспособность.08. Команда, которая
внедрила проект
Техлид
Алексей Ягужинский
Backend-Lead
Алексей Цибульников
Менеджер проекта
Даниил Фоменко
Аналитик
Федор Головин
Computer Vision инженер
Роман Мазников
DevOps
Дмитрий Соркин
Куратор команды разметки
Марк Яговкин
09. Планы на будущее
Готовые проекты
Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.
Разработка нейросети
Нейросеть для мониторинга здоровья коров на ферме
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
Платформа для регистрации рекламы блогеров и единого реестра интернет-рекламы
Разработка крупной системы
Система распознавания спецтранспорта и автомобильных номеров для парковок и ТЦ
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Сбор данных для обучения ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор данных для обучения ИИ
Нейросеть для распознавания огнестрельного оружия для систем безопасности
Разработка крупной системы
Нейросеть для определения возраста в системах безопасности и анализа аудитории
Разработка нейросети
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
Нейросеть, которая распознаёт пустые полки в магазинах и помогает вовремя пополнять запасы
Разработка крупной системы
Платформа на базе ИИ для определения целевой аудитории и аналитики блогеров
Разработка крупной системы
Распознавание погрузчиков и работников на складе для снижения рисков и травматизма
Разработка крупной системы
Внедрение машинного зрения для идентификации паллет и расчета габаритов
Разработка нейросети
Повышаем качество снимков с дронов, чтобы повысить точность анализа и распознавания полученных изображений
Разработка крупной системы
Оптимизация расстановки стеллажей с помощью ИИ и машинного зрения
Внутренняя разработка
NeuroVision — платформа видеоаналитики с готовыми модулями.
Разработка крупной системы
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
OCR и распознавание 2D-чертежей для расчёта деталей
Разработка крупной системы
AI-видеоаналитика и распознавание QR для контроля сборки и упаковки заказов на складе
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
