Нейросети уже используются в сельском хозяйстве, на транспорте, в торговле и, конечно, в финтехе и IT. Компания ComBox Technology, например, обучает нейросети распознавать автомобильные номера и считать пассажиров в общественном транспорте по головам, определять брак на производстве и изучать поведение покупателей в магазинах. Пока запрос на подобные решения идет в основном от крупных заказчиков. Как сделать эти разработки доступнее, в том числе за счет использования более совершенных технических решений на стороне разработчика, рассказал исполнительный директор компании Илья Душин.
Какое преимущество дают нейросети бизнесу?
Те компании, которые используют современные технологии и, в частности, нейронные сети, смогут в перспективе далеко оторваться от своих конкурентов за счет оптимизации бизнес-процессов и анализа той информации, которую раньше использовать было нельзя из-за больших объемов данных, отсутствия алгоритмов и необходимых вычислительных мощностей. Например, видеоаналитика на базе нейронных сетей, которой мы много занимаемся, может использоваться в ритейле для подсчета количества людей в определенных зонах, на производстве — для контроля периметра и соблюдения норм безопасности. В госсекторе нейронные сети и объектная видеоаналитика применяются для фиксации нарушений ПДД.
Насколько сложна схема внедрения видеоаналитики на объекте?
Существуют разные схемы. Чаще всего мы наблюдаем именно тиражируемые отраслевые решения, которые разрабатываются один раз, а внедряются во множество компаний, хотя и с доработками, решая схожие задачи. Многие компании пошли по пути организации облачных сервисов видеоаналитики, когда потоки с множества камер обрабатываются в облаке, предлагая выгодную централизацию.
Другие делают решения с исполнением нейронных сетей «на краю», то есть в непосредственной близости от источника данных, рядом с камерой. Второй подход — это фактически IoT (интернет вещей). И он как раз близок нашей компании. Его неоспоримое преимущество — менее значимые требования к каналам связи и возможность оперативно реагировать на события.
Можете привести пример из практики?
Из последних — автоматизация проезда на территорию крупного логистического центра. Мы создали решение на базе нейросети, которое формирует белые и черные списки автомобильных номеров для арендодателя и отдельных личных кабинетов арендаторов. С его помощью можно выписывать временные и постоянные пропуска на въезд и выезд машин. В результате получилась комплексная система управления пропускным режимом: когда подъезжает машина с пропуском, шлагбаум открывается автоматически, или он фиксирует номер автомобиля, если разрешения на въезд пока нет. Распознавание номера нейросетью выполняется мгновенно, за 0,3 секунды. Это очень быстро и позволяет как минимизировать человеческий фактор, так и ускорить работу пропускного пункта, ведь в логистике время — это деньги.
Ваша разработка — это именно решение для обработки
данных?
Мы приходим не только с софтом, но и с аппаратными решениями, например на базе мини-компьютеров Intel® NUC. Мы работаем с этой моделью начиная с четвертого поколения и используем ее для исполнения нейронных сетей в объектовой видеоаналитике. Основное назначение устройств — инференс, то есть процесс непрерывного исполнения предобученных нейронных сетей для детекции и распознавания марок, моделей и номеров транспортных средств.
У Intel есть фреймворк для исполнения (инференса) нейронных сетей, который называется Intel OpenVINO™. Его преимущество — в скорости и наличии возможности исполнения нейронных сетей различных топологий на разном оборудовании («на краю» или в ЦОД, на серверах) с адаптацией любых решений к конкретной инфраструктуре клиента.
Почему вы выбрали именно такое решение?
При конвертации нейронных сетей выгодно использовать процессоры Intel Core i5 (точнее, их встроенную графику — Iris Plus 655). Эти процессоры широко представлены в линейках устройств Intel NUC. Собственно, на базе множества NUC’ов мы разработали и производим сервера, предназначенные для инференса нейронных сетей. В рамках одного сервера формата 1U устанавливается восемь Intel NUC, и мы получаем самую высокую плотность CPU/iGPU в этом форм-факторе. Подобный сервер может обработать до 80 потоков HD, например в распознавании номеров автомобилей, что при сравнении с аналогами демонстрирует его экономическую эффективность.
Но если зона въезда одна и обработка данных с нескольких камер не нужна, то можно рассматривать альтернативу. У нас есть собственное решение на базе процессоров Intel Atom X5. Это зависит от конкретного внедрения и именно инфраструктурных объектов. Плюс в будущем мы планируем использовать новый модульный компьютер Intel Elements, так как он позволяет создавать краевые модульные решения для исполнения нейронных сетей в непосредственной близости от источника данных, рядом с камерой. На его базе можно создать решения, конфигурация которых будет легко и гибко меняться под задачи конкретного клиента.
Как быстро окупятся инвестиции бизнеса в нейросети? Обучить нейросеть — это дорого?
Дорого даже не научить — дорого придумать решение, конечный продукт, формализовать идею в задачу и собрать вводную информацию, так называемый датасет, для будущего процесса обучения (который, кстати, представляет очень большую ценность). Дорого улучшать качество, достигая максимальных процентов точности детектирования и классификации объектов.
Окупаются скорее инновационные решения, в которых применяются нейронные сети. А маржинальность и срок окупаемости зависят от выгоды интеграции для самого клиента, например, от суммы сэкономленных издержек при их минимизации, что в итоге формирует доходность внедрения технологий.
Насколько российский рынок нейросетей идет в ногу с мировым, есть ли у нас свои сильные разработки? Каковы его перспективы на ближайшие два-три года?
Да, есть. Множество компаний, которые создают качественные отраслевые решения под потребности бизнеса. Активно внедряются распознавание лиц и интеграция подобных решений в системы контроля доступа, распознавание номеров, автоматизация производства, дефектоскопия. Рынок нейросетей развивается очень динамично, в частности и в России, и сферы применения расширяются постоянно. Очевидно, что уже в ближайшее время мы увидим не только много интересных масштабных проектов, но и растущую потребность в видеоаналитике в сегменте малого и среднего бизнеса.
Подробнее - https://intelnuc.rbc.ru/article-1.html
