Проект разработки ПО для распознавания образов в сфере ритейла

Американская компания WorkFusion запускает на известной краудсорсинг-платформе Witology свой новый проект в области машинного обучения. Результатом работы должен стать готовый продукт – программа, которая позволит по фотографиям распознавать наличие товара на полках супермаркетов и корректность его выкладки.

Проект предполагает индивидуальную полномасштабную разработку системы на основе собственных идей и представлений о ней. По ходу работы каждый участник будет получать советы и рекомендации от экспертов, а также иметь возможность постоянной обратной связи с WorkFusion.

К участию приглашаются:
• Студенты и аспиранты технических и математических специальностей
• Специалисты в сфере распознавания образов и computer vision
• Все желающие, кому интересна задача проекта

Условия проекта:
• Разработка алгоритмов распознавания изображений
• Разработка прототипов ПО
• Автор лучшего решения получит вознаграждение в размере 5000$
• Самые активные участники с перспективными идеями получат вознаграждение в размере 1000$ и 500$

Интеллектуальные компьютерные системы различного вида уже давно применяются ритейлерами в работе супермаркетов, а потому итоговый продукт довольно быстро займет свое место на рынке.

Для участия в проекте необходимо пройти регистрацию на нашем сайте — goo.gl/YRpwjW

Индивидуальный выбор оптимального количества особенностей при распознавании графических образов

         Существует целый класс алгоритмов распознавания графических образов, основанных на сопоставлении некоторых особенностей («особых» точек) неизвестного объекта с эталонными образами. Один из наиболее известных механизмов выделения особенностей представлен в работе [4] и реализован в популярной программной библиотеке OpenCV. Достоинством алгоритма распознавания на базе особенностей является возможность находить объекты на изображениях, где они повёрнуты на произвольные углы и могут частично перекрываться. Вероятность правильного распознавания в данном алгоритме, прежде всего, зависит от количества и содержимого эталонных образов, а также от числа сравниваемых особенностей.
         При применении алгоритмов на базе особенностей существенное влияние оказывает проблема быстродействия, которая усиливается при увеличении числа эталонных образов, когда особенности неизвестного изображения необходимо сравнить со всеми особенностями всех эталонных образов. Чрезмерное увеличение количества особенностей ведёт к снижению производительности алгоритма, поэтому возникает идея выбирать количество особенностей индивидуально для каждого эталонного образа, что позволит снизить время распознавания при сохранении качества. Целью настоящей работы является оптимизация алгоритма распознавания на основе особенностей путём оптимального выбора количества особенностей.


( Читать дальше )