Фрилансеры › Александр Литвинцов

Комплексная разработка системы автоматизации производства мрамора.
Разработка модели детекции на ленте и классификации мраморной плитки.
Автоматическая калибровка камеры и измерение параметров плитки (классификация типов, измерение размеров), оценка контура и аномалий.
Сегментация изображения, подстановка виртуальных задних фонов.
Ведение системы в эксплуатацию на 4 производствах в Италии и Австрии.
Общий вид:
https://youtu.be/juHldd5llHg

Технические моменты:
http://pot.pp.ua/video/granitev3.m4v

Библиотека на Python и С++ для детекции и распознавания лиц.

Постоянное до обучение модели в процессе распознавания.

ВИДЕО ДОСТУПНО ВВЕРХУ ПОРТФОЛИО В РАЗДЕЛЕ РЕЗЮМЕ!
https://www.youtube.com/watch?v=P45HTL08IaM

Face detection 0,04~0.1 sec/frame
Learning features of each face ~0,2 sec/face on avr CPU
Face recognition:
High accuracy more then 97,5%, Sensitivity ~ 75%
Very fast searching in faces database (500k faces per second)
Live learning during recognition process

Для заказчика Koppert Biological Systems
Алгоритм детекции ловушек насекомых
Алгоритм классфикации насекомых
Анализ и контроль роста по типам насекомых

Десктопное приложениеС++\QT + OpenCV под ОС Windows / ОС Linux, которое производит захват видеопотока с USB веб-камеры.

В режиме реального времени (30 FPS FULL HD задержка

Разработка комплекса высоко оптимизированных алгоритмов видео обработки и распознавания для Микроконтроллеров серии STM32
Задача вести видео обработку:
на CPU 80-120 MHz с ОЗУ 64кб !!!
15-20 FPS 320x240 или 5-8 FPS 640х480
Функции:
1) Детекция наличия движения
2) Детекция направления и скорости объектов
3) Определение угла собственного поворота камеры
4) Детекция круглых и овальных предметов
5) Автоматическое наведение и слежение за объектами
6) Детекция периодических и гармонических колебаний
7) Разложение движущихся объектов по спектру колебаний
8) Распознавание простых жестов

На основе методов машинного обучения разработаны модели для автоматического поиска и удаления логотипа (WaterMark, водная печать).

Программа состоит из 3 частей:
Часть 1. Детекция, определение местоположения и вырезание логотипа с субпиксельной точностью.
Часть 2. На основе 50-100+ экземплярах фото (объектах обучения) вычисляется обратное математическое преобразовании для каждого пиксела, при котором частотный спектр области под логотипом соответствует области вокруг логотипа. Тем самым удается на 90-99% уменьшить видимость ватермарка на исходном фото
Часть 3. Пакетное применение обученной модели удаления ватермарка для фотографий.

Результаты:
В данной работе Логотип был удален на 7433 фото.
Время преобразования: по 3-5 секунд на очистку одного фото (1600х1200, 1280х960).
Среднеквадратичное отклонение 0.3 градиента цвета.
Зрительный контроль > 93% фотографий распознать наличие логотипа не представляется возможным.
6% фото — только при увеличении контрастности на 300% логотип слегка виден
1% фото — при увеличении на месте удаленного ватермарка заметен небольшой пиксельный шум.

Цена 200-300$ - обучение модели 1-му виду логотипов
(в зависимости от сложности логотипа)
N x 0.02$ - автоматическая обработка 1-й фотографии

(Примеры в полном качестве высылаю по запросу)

Консольное серверное приложение которое по видео (или c live камеры или видео файл) выполняет подсчет количества пицц на конвеерной ленте печи.
При этом на фоне постоянно присутствую посторонние движущиеся объекты (люди и др).
Все учетные данные записываются в БД.
Python3.7 + OpenCV 4

Консольное серверное приложение которое по видео (или c live камеры или видео файл)
оценивает в выбранной зоне уровень загрязнений.
Вся "грязь" классифицируется на 4 категории: грязь, мелкий мусор, крупный муссор, посторонние преметы. Все данные записываются в БД.
Python3.7 + OpenCV 4

Серверная часть ПО по realtime подсчету количества людей, их скорости и направления движения.

Разработка Веб приложения и программно аппаратного комплекса для АгроКомпаний Херсонской области для охраны, слежения и учета расхода воды за дождевально-поливальными машинами.

Инструмент для сервисных компаний с выездным персоналом, который позволяет улучшить дисциплину, за счет карты перемещения всех сотрудников в реальном времени, наладить бизнес-процессы внутри компании за счет удобного инструмента постановки задач, повысить качество работы и лояльность клиентов за счет регулярных отчетов с фотографиями о проделанной работе. Как следствие - увеличить прибыль компании