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

Poznaj bliżej rozwiązania Deep learning i sieci neuronowe oraz ich zastosowania

    Skontaktuj się z nami