Сбор датасета для детекции агрессивного поведения и драк
Мы организовали съёмки в двух регионах, чтобы собрать качественный видеодатасет для обучения ИИ детекции драк.
NDA
Заказчик Международная компания — лидер в видеоаналитике и компьютерном зрении, входящая в топ-10 мирового рейтинга NIST по распознаванию лиц. Разрабатывает CV-решения для корпоративных и государственных заказчиков по всему миру.
Задача Собрать уникальный видеодатасет для обучения нейросети детекции драк:
100 коротких видеороликов (15–30 секунд) с различными сценариями драк (1×1, 1×3, 3×3) с соблюдением заданных требований.
О проекте
Для обучения сложных моделей компьютерного зрения, таких как детектор драк, требуются специфические и высококачественные данные. Видео из открытых источников (YouTube, новостные сводки) не подходят из-за низкого разрешения, неподходящих ракурсов и юридических ограничений. Когда готовых данных нет, единственный путь — создать их.
Наш клиент, мировой лидер в CV, столкнулся именно с такой задачей. Для их новой системы безопасности требовался датасет, который невозможно было найти или купить. Нужны были реалистичные, постановочные сцены, снятые с ракурса уличных камер наблюдения.
Мы организовали полный цикл производства синтетических данных: от разработки сценариев и подбора актеров до съемок в различных условиях и финальной передачи материала. Этот проект — яркий пример того, как правильная организация и готовность к "полевой" работе решают самые амбициозные задачи в области сбора данных для ИИ.
NDA
Заказчик Международная компания — лидер в видеоаналитике и компьютерном зрении, входящая в топ-10 мирового рейтинга NIST по распознаванию лиц. Разрабатывает CV-решения для корпоративных и государственных заказчиков по всему миру.
Задача Собрать уникальный видеодатасет для обучения нейросети детекции драк:
100 коротких видеороликов (15–30 секунд) с различными сценариями драк (1×1, 1×3, 3×3) с соблюдением заданных требований.
100% видеоматериала принято
1
Тестовый этап и валидация требований
Проект начался с тестовых съёмок, позволивших синхронизировать ожидания с заказчиком, выявить риски по качеству данных и уточнить требования к реализму, бюджету и срокам до масштабирования работ.
2
Планирование съёмок и логистика
Для выполнения проекта в сжатые сроки были сформированы две съёмочные команды в разных регионах (Москва и Краснодар). Сценарии съёмок, локации, тайминги и требования к вариативности данных были зафиксированы в едином рабочем плане.
3
Формирование актерского состава
В Москве в съёмках участвовали сотрудники компании. В Краснодаре, для повышения реалистичности сложных сцен (формат 3×3), были привлечены участники бойцовского клуба, что обеспечило необходимый уровень достоверности данных.
4
Первичная съёмка и контроль качества
Съёмки проводились в разное время суток для обеспечения вариативности освещения. По результатам внутренней и внешней оценки было выявлено несоответствие части материала требованиям по реализму — 66% видео не прошли приёмку заказчиком.
5
Корректировка подхода и повторные съёмки
На основе обратной связи была изменена стратегия: весь объём повторных съёмок передан команде, продемонстрировавшей наилучшее качество.
Интересные факты
Вызовы и решения
Недостаточный реализм и брак 66% материала.
Гипотеза о том, что для съёмок будет достаточно штатных сотрудников, не подтвердилась. Контраст между «офисными» и «бойцовскими» сценами оказался слишком заметным, и заказчик обоснованно отказался принимать большую часть материала.РЕШЕНИЕ
Гибкость и фокус на качестве
Мы не стали спорить или «дотягивать» слабый результат. Проблему признали, причину разобрали и оперативно перераспределили съёмки в пользу команды, показавшей лучший результат. Это позволило быстро выйти на нужное качество и сохранить доверие заказчика.Организационные сложности в полевых условиях
Проект сопровождался типичными для съёмок «на земле» ситуациями: от требований согласовывать каждый ракурс до неявки актёров и конфликтов с жителями локаций.РЕШЕНИЕ
Проактивное управление и сильные команды на местах.
Мы решали вопросы по ходу проекта: заранее фиксировали ракурсы, оперативно находили замену участникам и снимали организационные напряжения на локациях. Этот опыт показал, что успешный сбор данных — это не только технологии, но и умение работать с людьми.300 уникальных видео
создано с нуля
2 команды
в разных городах для ускорения процесса
на 100%
клиент доволен финальным результатом
Команда, которая внедрила проект
Роман Фёдоров
Бизнес-аналитик
Марк Яговкин
Руководитель разметки данных
Проект запущен
в работу
Скоро
здесь будут
обновления
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 крупной системы
Компьютерное зрение в метрологии
ИИ для промышленности
ИИ-отбор качественных снимков с дронов
Разработка крупной системы
Распознавание QR для контроля сборки и упаковки заказов
Разработка крупной системы
Платформа для регистрации рекламы блогеров и ЕРИР
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
Разработка крупной системы
Нейросеть распознаёт пустые полки в магазинах и помогает вовремя их заполнить
Разработка крупной системы
Контроль ношения СИЗ на производстве рыбы
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
ИИ-контроль опасных ситуаций при движении погрузчиков
Сбор и разметка данных для ИИ
Собрали датасет оружия в 1000+ видео
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
Сбор и разметка данных для ИИ
Разметка данных для беспилотных комбайнов
Экспертная разметка данных
Медицинский датасет МРТ позвоночника для обучения AI
Разработка крупной системы
Как контролировать брак этикетки на работающем конвейере
Экспертная разметка данных для ИИ
Разметка 7000 исследований совместно с врачами-экспертами
Разработка крупной системы
Распознавание номеров автомобиля для въезда на парковку
Разработка крупной системы
ИИ расставляет стеллажи в 10 раз быстрее
Операционный ИТ-аутсорсинг
Команда разметчиков как сервис для маркетплейса
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Сбор данных для ML и ИИ
Собрали 10 000 уникальных лошадей для биометрии
Разработка крупной системы
ИИ-учет индивидуальной выработки на конвейере
Разработка крупной системы
Цифровой контроль движения вагонов
Разработка крупной системы
От цветка к идеальному букету: ИИ распознает качество роз
Разработка крупной системы
Нейросеть для распознавания 2D чертежей
Разработка крупной системы
Платформа, объединившая поиск блогеров, целевой аудитории и аналитику
Разработка для ритейла
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Разработка крупной системы
ИИ контролирует опасные зоны конвейера 24/7
Сбор и разметка данных
AI-мониторинг вечной мерзлоты
Разработка крупной системы
Нейросеть контролирует качество чипсов прямо на конвейере
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
