Кейс 1. Распознавание животных на потоковом видео.
В дипломной работе Максим протестировал распознавание животных на видео. Цель — распознавание конкретного животного. Система должна была точно определить кличку конкретного объекта. zLUPDJ

Взяв за основу базу в 5 часов видео и 10 000 картинок, Максим добился 80-85 % точности распознавания. Проблемой стала особенность съемки: в зависимости от угла перемещения животного нейросеть не всегда могла правильно его распознать.

Сейчас проект работает в тестовом режиме. В планах сделать нейросеть более гибкой, чтобы не зависеть от режима видеосъемки. Желанная цель — 90 % точности. Есть версия, что повысить точность поможет метод распознавания движения животного, а также расширение базы данных. Это улучшит качество алгоритма и возможно решит проблему с похожими животными. Также планируется рассмотреть использование сети Inceptionv4 или Inception-resnet.