Deep learning i sieci neuronowe w analizie obrazu | Linux Polska usługi

Co możemy dla Ciebie zrobić:

Doradzimy Ci, jak możesz wykorzystać sieci neuronowe, aby udoskonalić procesy biznesowe i rozwijać ofertę

Pomożemy Ci w pozyskaniu i przygotowaniu danych treningowych, którymi będzie zasilana sieć

Opracujemy architekturę sieci i wytrenujemy ją pod kątem parametrów istotnych z punktu widzenia rozwiązywanego problemu biznesowego

Pomożemy Ci zintegrować wytrenowana sieć neuronową z istniejącymi produktami i procesami biznesowymi

Prowadzimy też szkolenia w zakresie przetwarzania obrazu za pomocą deep learning

Nasza oferta jest dla Ciebie, jeśli:

  • Posiadasz dane obrazowe, na podstawie których można wytrenować sieć neuronową
  • Chcesz usprawnić procesy biznesowe, ulepszyć produkty i usługi, wykorzystując deep learning i sieci neuronowe
  • Chcesz dostarczać innowacje zarówno w obszarze rynkowym, jak i wewnątrz organizacji
  • Chcesz zlecić realizację projektu R&D w obszarze deep learning, nie inwestując w rozwój własnego działu

Detekcja obiektów na zdjęciach lotniczych i satelitarnych terenu

  • Wykorzystanie sieci neuronowych umożliwia wykrycie określonych obiektów, precyzyjny pomiar ich rzeczywistej powierzchni, wytyczenie granic obiektów z dokładnością do piksela, zliczanie obiektów oraz ocenę stanu obiektów.
  • Przykładowe zastosowania
    • wykrywanie budynków, działek, zbiorników wodnych, samochodów, maszyn, drzew, lasów, rzek, jezior, ulic, zwierząt, ludzi i innych
    • ocena fazy powstawania budowli
    • ocena stanu uprawy rolnej, zadrzewienia itp.
    • umiejscowienie obiektu w przestrzeni (precyzyjna lokalizacja)
    • ocena szkód
  • Dla kogo?
    • administracja państwowa (zadania kartograficzne, kontrola zagospodarowania gruntów, ocena stanu zalesienia)
    • agencje dopłatowe (kontrola dotacji)
    • organy odpowiedzialne za stan dróg trakcji i mostów publicznych
    • firmy sektora energetycznego (linie energetyczne, generatory energii)
    • firmy ubezpieczeniowe

Zobacz więcej

Detekcja niebezpiecznych przedmiotów na zdjęciach RTG

  • Specyfika działania promieni RTG powoduje, że przedmioty, które nie pochłaniają promieniowania, stają się przezroczyste i często w jednym miejscu widać wiele obiektów leżących pod sobą. Możemy nauczyć sieć neuronową rozpoznawać obiekty, które nie powinny się znaleźć na danych obrazowych.
  • Przykładowe zastosowania
    • kontrola bagażu
    • wykrywanie przemytu nielegalnych substancji
    • szukanie wad fabrycznych na linii produkcyjnej
    • kontrola naturalnego zużycia produktów i wskazywanie momentu konieczności wymiany
  • Dla kogo?
    • organy nadzoru i ścigania
    • organizatorzy imprez masowych
    • producenci towarów
    • właściciele powierzchni handlowych (sieci marketów)

Zobacz więcej

Tagowanie / opisywanie zdjęć hasłami przedmiotowymi

  • Sieć neuronowa może automatycznie identyfikować obiekty na zdjęciach i przypisywać je do danej kategorii ze względu np. na: wiek, styl architektoniczny/wyposażenia, rodzaj obiektu na fotografii i jego cechy (np. czerwona, letnia sukienka).
  • Sieć tworzy też ranking zdjęć z punktu widzenia tego, w jakim stopniu zdjęcie ilustruje obiekt z danej kategorii oraz pozwala ocenić jakość techniczną zdjęcia.
  • Dla kogo?
    • media
    • właściciele baz zdjęć
    • archiwa państwowe
    • sklepy internetowe
    • portale aukcyjne
    • pośrednicy obrotu nieruchomościami

Rozpoznawanie ludzi na zdjęciach

  • Sieć neuronowa uczy się na podstawie bazy zdjęć referencyjnych cech charakterystycznych dla danej osoby. Na tej podstawie jest w stanie rozpoznać twarz uwiecznionej osoby i otagować zdjęcie. Sieć może również wygenerować tytuł, opis tego, co jest widoczne na danym zdjęciu i oszacować rok wykonania fotografii.
  • Sieć tworzy też ranking zdjęć z punktu widzenia tego, w jakim stopniu jest pewna tego, że zdjęcie przedstawia daną osobę.
  • Dla kogo?
    • media
    • właściciele baz zdjęć
    • archiwa państwowe

Inteligentny OCR – automatyczna analiza zdjęć i skanów dokumentów

  • Automatyczne odnalezienie w skanie dokumentu lub na zdjęciu informacji kluczowych z punktu widzenia dalszego jego przetwarzania.
  • Przykładowe zastosowania
    • odczyt poziomu zużycia energii z liczników na podstawie zdjęć w warunkach różnego ich oświetlenia, stanu technicznego czy konstrukcji urządzenia
    • wydobycie ze skanów faktur informacji dotyczących kontrahentów i kwot
  • Dla kogo?
    Organizacje z dużą liczbą klientów (abonamentów), niezależnie od branży, gdzie automatyzacja procesu ich obsługi odgrywa kluczową rolę dla sprawności operacyjnej firmy.

Identyfikacja urządzeń w gospodarstwie domowym i wzorców korzystania z nich

  • Automatyczna identyfikacja wzorca sygnału o niskiej częstotliwości z urządzeń domowych, na podstawie odbiornika sygnału umieszczonego w pobliżu gospodarstw domowych (np. na trawniku osiedlowym).
  • Przykładowe zastosowania
    • profilowanie konsumpcji energii, optymalizacja progów abonamentowych i sposobu dostarczania mediów zużywalnych
    • optymalizacja oferty handlowej dostawców mediów
    • wcielenie w życie idei „inteligentny dom”.
  • Dla kogo?
    • firmy deweloperskie
    • dostawcy energii

Detekcja obiektów i zachowań w materiale video

  • Wykrywanie obiektów i zachowań w materiale video pochodzącym z kamer przemysłowych.
  • W przypadku analizy materiału archiwalnego (nagranie z kamer) algorytm umożliwia błyskawiczne wyszukanie w wielogodzinnym nagraniu interesujących nas obiektów lub zachowań.
  • W przypadku analizy live streamingu video możliwe jest wykrywanie określonych obiektów i zachowań w czasie rzeczywistym, a także śledzenie przemieszczającego się obiektu (np. agresywnego kibica), na podstawie wizualnego markera na ekranie.
  • Na podstawie danych treningowych zawierających reguły zachowań, sieć neuronowa uczy się identyfikować i klasyfikować sekwencje zachowań uznawanych za niebezpieczne (np. akt wandalizmu), podejrzane obiekty (np. walizka pozostawiona w miejscu publicznym) lub odstępstwa od określonego wzorca (np. handlowe reguły pozycjonowania towarów na półkach); odstępstwo od wcześniej zdefiniowanych reguł zachowania generuje alert.
  • Przykładowe zastosowania
    • wykrywanie i prewencja zachowań niebezpiecznych (np. aktów terroryzmu czy wandalizmu)
    • monitoring poprawnej ekspozycji produktów w sklepie
  • Dla kogo?
    • organy nadzoru i ścigania,
    • organizatorzy imprez masowych,
    • producenci towarów,
    • właściciele powierzchni handlowych (sieci marketów)

Ocena wielkości szkody na podstawie zdjęć

  • Właściciele uszkodzonych pojazdów mogą rozpocząć proces likwidacji szkód bezpośrednio po zdarzeniu.
  • Wytrenowana na tysiącach zdjęć i akt likwidacji szkód sieć neuronowa wspomoże ubezpieczonego we właściwym udokumentowaniu fotograficznym szkód smartfonem, oszacuje wielkość szkody na podstawie zdjęć, a następnie zweryfikuje wycenę kosztów naprawy. Tak zautomatyzowany proces znacząco skraca likwidację szkód i obniży jej koszty.
  • Przykładowe zastosowania
    • ocena szkód po wypadkach drogowych
  • Dla kogo?
    • firmy ubezpieczeniowe

Szkolenia

Zdobądź cenione na rynku IT kompetencje i certyfikaty

W naszym nowoczesnym, w pełni wyposażonym centrum szkoleniowo-egzaminacyjnym prowadzimy szkolenia z zakresu wiodących technologii, realizowane przez doświadczony zespół certyfikowanych trenerów.

Dowiedz się więcej
Szkolenia

Rozwiązania branżowe

Telekomunikacja

Dowiedz się więcej

Sektor finansowy

Dowiedz się więcej

Sektor publiczny

Dowiedz się więcej

Skontaktuj się z nami