NeuroCore | Разработка ИИ

Элайджа Вуд vs Дэниел Рэдклифф: один человек или два? 🤔🔍 Разговоры про сходство этих 2 знаменитостей ходят давно. Мы решили использовать нашу нейросеть, чтобы наконец проверить: насколько это больше, чем просто мем? 🤔 Почему мы их сравнили? Ранее мы уже проверили одних и тех же знаменитостей в разных амплуа. Поэтому нам стало интересно: а что, если взять двух разных людей, но реально похожих друг на друга? Фанаты давно замечали, что Вуд и Рэдклифф — как 2 близнеца. Что показала нейросеть? 📊 Результат сравнения: 51.92%⁠ Если честно, это не так уж много. Да, есть некоторое сходство, но назвать их близнецами? Скорее шутка, чем правда. Прямо сейчас представьте: альтернативная вселенная, где Рэдклиффу досталось Кольцо Всевластия, а Элайджа учится в Хогвартсе 🤯. Как думаете, кто лучше справился бы с чужой ролью? #FaceToFace

Невидимые нюансы полевого сбора данных: что упускают даже опытные команды Привет! Меня зовут Роман, я аналитик NeuroCore. Сегодня речь пойдёт не о парсинге данных (где успех зависит лишь от грамотного поиска источников), а о куда более сложных проектах — полевом сборе данных. Это когда результат зависит не только от условий и техники, но и от действий исполнителей, чётко выстроенного процесса и способности адаптироваться к неожиданностям. Давайте разберём, какие главные нюансы учитывать, чтобы полевой сбор данных шёл по плану и выдавал результат высшего уровня. 🎚️ Представьте, к вам пришел клиент с амбициозной задачей: собрать датасет, который должен помочь нейросети анализировать сложные задачи. Вы изучили ТЗ, всё звучит ясно, но детали? Они всегда вылезают после старта проекта. Вместо того чтобы сразу садиться и подписывать договор, мы первым делом предлагаем провести бесплатный тестовый сбор. — Почему? Потому что тесты показывают реальную суть задачи. Трудозатраты, скрытые нюансы, риски — всё это проявляется там, где на бумаге всё выглядит гладко. По правде говоря, те проекты, где тестов не проводят, часто оказываются миной замедленного действия. 😢 ❌ Без теста: - Клиент не понимает, за что платит, и теряет доверие. - Исполнитель неверно оценивает проект и попадает на переработки или бессонные ночи. - На выходе: затянутые сроки, разочарование и перерасход бюджета. ✅ С тестом: - Мы видим реальную сложность задачи и предлагаем честную экономику проекта. - Клиент получает точный прогноз, проверяет наше качество и убеждается, что мы профессионалы. - Вместе обсуждаем сложные моменты и сразу находим решения. Это как репетиция перед большим выступлением: если что-то не работает на этапе теста, мы устраняем риск, а не ждём, пока всё рухнет во время основного проекта. Наверняка ваш сбор предполагает привлечение живых людей во плоти. Пример моей практики: надо было собрать 500 человек для датасета биометрии. Посчитали одноуровневую оплату участникам, но не учли, что в действительности есть разные целевые группы людей и каждая — работает за разный гонорар. В итоге около половины людей сразу отказались, сбор данных просел, а команда ушла в переработки. 1️⃣ Доп. нюансы, которые важно учитывать: Локации: Для сбора данных в реальных условиях критически важно проверить доступность локаций. Один раз на этапе теста оказалось, что половина нужных мест требует особых разрешений. Без теста это стало бы проблемой, из-за которой пришлось бы останавливать проект в самый разгар. Реквизит и побочные расходы: Если работа связана с инсценировками (как в проекте с драками), нужно учитывать, что часть реквизита ломается. Проблемы вроде случайно порванной одежды, разбитых тарелок, трат на такси и еду могут увеличить затраты, если их не учесть заранее. Время: Частая ошибка — неверная оценка сроков. При калькуляции сроков исходите из пессимистично-реалистичного подхода. Если клиента настаивает на более быстром исполнении — это повод обсудить повышенную оплату, т.к. вам надо иметь план "Б" (деньги) на случай, если сроки будут гореть, а исполнители плохо идут на задачу: 💻 Разделяйте ставки для оплат исполнителей: A: Хорошая оплата, чтобы привлечь участника быстро и гарантированно. B: Стандартная ставка, чтобы обеспечить ровный отклик. C: Минимальная ставка для повышения рентабельности проекта или привлечения популярных групп исполнителей. Если будете следовать этим простым правилам, то вместо бессонных ночей и переработок вы получаете чёткий контроль над задачей: прогнозируемое качество, удовлетворённый клиент и минимальные риски. Если вы хотите, чтобы ваш проект прошёл этот путь вместе с профессионалами, оставляйте заявку здесь — мы подготовим для вас честный и действенный план. 🙂 #Советы

🎥 Как технологии делают мир безопаснее: распознавание запрещенных предметов в багаже Представьте: вы проходите проверку в аэропорту, багаж движется по ленте, а за секунды система уже анализирует снимки и выдаёт точный результат — есть ли в сумке запрещённые предметы. ⚡ Это не фантастика, а решение, которое мы создали для одного из крупнейших мировых производителей досмотрового оборудования. Наше решение обладает рядом преимуществ, которые выделяют его среди других: 1️⃣ Гибкость интеграции. Система быстро подключается к разным моделям интроскопов — без вмешательства в «железо», поэтому никакого риска потери гарантии от производителей. 2️⃣ Минимизация рисков. Мы сохранили оригинальный интерфейс устройств, без замены программного обеспечения. Как детекция запрещённых предметов работает на практике? Как мы разрабатывали систему? Как обеспечивается анализ данных и что система выдаёт оператору? Смотрите видео — расскажет и покажет Игорь, бизнес-аналитик NeuroCore! 🎞️ 📩 А как досмотрите — заходите на наш сайт, чтобы обсудить, как технологии будущего могут сделать ваши процессы быстрее и безопаснее. 🎚️ #Кейсы

Роберт Дауни-младший — от "Чаплина" до "Железного человека" Роберт Дауни-младший — актер, который прошел через ад, чтобы стать одной из самых больших звезд Голливуда. В "Чаплине" он был молодым и амбициозным, а в "Железном человеке" — уверенным в себе гением-миллиардером. Мы решили проверить, насколько "молодой" Роберт похож на "старого". Система распознавания лиц выдает сходство всего 73.65%. Что ж, либо Роберт Дауни-младший — это несколько разных людей, либо годы и роли сделали свое дело. В любом случае, это один из самых впечатляющих актеров современности. #FaceToFace

🎯 Чемоданы с камерами, курицы и автоматизация: как бизнес меняет запросы в 2025 году Апрель дал массу интересных наблюдений. По итогам заявок мы видим, как компании всё активнее ищут точечные решения под конкретные задачи. Выделили три ключевых направления, которые могут претендовать на звание полноценного тренда. Давайте разберём, что это значит для рынка и почему именно эти запросы становятся востребованными. 🔥 Какие задачи ставит перед нами бизнес в 2025 году? Топовые кейсы апреля: - Проектирование электрических щитков. - Автономная видеоаналитика для обнаружения инцидентов. - Видеоаналитика для мониторинга здоровья животных на птицефабриках. Каждый проект — не просто отдельный кейс. Это отражение реальных потребностей компаний и того, как рынок подстраивается под текущие вызовы. 1️⃣ Проектирование электрических щитков Запрос: Автоматизировать проектирование электрических щитков. Задача клиента: - ПО должно на основе технического задания (ТЗ) выбирать компоненты и формировать сразу несколько схем: электрическую и схему расположения элементов. - Генерация спецификаций для закупки. Решение: Алгоритмы машинного обучения анализируют ТЗ, минимизируя участие человека. Всё происходит быстрее и с меньшими рисками ошибок. Почему это тренд? Инженерные процессы автоматизируются — это уже не новость, но теперь важна скорость создания персонализированных решений. Компании всё чаще переходят к задачам, где ПО позволяет сократить ручной труд и оперативно выдавать результат без потери качества. Такой подход становится стандартом в проектировании. 2️⃣ Видеоаналитика в чемоданчике Суть кейса: Компактное автономное решение для анализа видео с целью обнаружения инцидентов, например, отсутствия СИЗ у сотрудников. Как это работает: Видео с нагрудных камер поступает на сервер, расположенный в автомобиле, через Wi-Fi. Нейросеть в реальном времени распознаёт объекты и сигнализирует о нарушениях. Что изменилось? Мобильные и автономные решения начинают доминировать в сфере безопасности. Это удобно для полевых работ, строительных площадок или удалённого производства. Устройства должны быть максимально компактными, самостоятельными, а главное — эффективными для предотвращения инцидентов. 3️⃣ Состояние куриц на птицефабрике Кейс: Использование видеоаналитики для мониторинга состояния животных — от уровня подвижности до выявления признаков болезней. Важное требование — мгновенные уведомления о проблемах. Решение: ИИ анализирует видеопоток, выявляет аномалии (например, нетипичное поведение или травмы) и отправляет сигналы сотрудникам. Почему интересно? Сельское хозяйство всё чаще обращается к интеллектуальным системам. В апреле из всех запросов на автоматизацию 10 из 15 касались агропромышленного сектора. Это ясно говорит о зарождении нового тренда. Технологии помогают существенно повысить продуктивность и снизить риски в отрасли, где на кону здоровье животных, а значит, и эффективность бизнеса. 🚀 Что это значит для рынка? - Автоматизация проектирования уже становится стандартом для инженерных задач. Скорость, снижение рисков, упрощение процессов — компании больше не хотят делать это вручную. - Мобильные системы безопасности занимают свою нишу: от крупных производств до специфических полевых работ. - Видеоаналитика в сельском хозяйстве идёт на подъем. Упор на мониторинг здоровья и поведения животных открывает новые горизонты для агросектора. 👉 Зачем писать нам? Мы можем: - Разработать ПО для автоматизации проектирования. - Внедрить автономные системы видеоаналитики. - Настроить мониторинг животных с использованием ИИ. Рынок умеет подстраиваться под задачи. А мы умеем находить и внедрять решения, которые работают. Давайте делать это вместе! Оставьте заявку на нашем сайте. #ОбзорЗаявок Апрель 2025

🚗 Как ускорить обработку снимков с повреждениями автомобилей? Клиент попал в ситуацию, когда нужно за считанные минуты оценить ущерб автомобиля. А теперь увеличьте эту задачу на сотни авто в день. Кажется, миссия из категории "по плечу только супергероям", да? Но что, если этим супергероем станет нейросеть? 🧠 В нашем новом кейсе мы покажем, как алгоритмы на основе YOLO справляются с этой сумасшедшей нагрузкой, выдавая точность в 90% на простых случаях и показывая достойный результат даже там, где человек может запутаться. 🎥 В ролике Игорь, наш бизнес-аналитик, расскажет как мы увеличили скорость обработки снимков в страховой компании в 2.3 раза. Скорее смотрите видео! 💥 (Или оставляйте заявку на нашем сайте и заказывайте похожую технологию уже для себя) #Кейсы

Часть 2: Бумеры vs зумеры — кто круче? Если вы не читали первую часть истории — обязательно загляните в пост от четверга 🔙! 1️⃣ Проблема №2: Где взять людей 45+? Они что, вымерли? Реклама в соцсетях не дала нужного эффекта — конверсия человека в участие для проекта была либо слабой, либо близка к ничтожной. Почему? Поколение 45+ реагировало так, будто мы предлагали вступить в секту. Решение: ✅ Сарафанное радио: «Приходите, у нас печеньки и деньги!» — сказала одна участница своей соседке. Та привела подругу, та — дедушку. ✅ Акция «Приведи друга — получи 1000₽»: студенты тащили одногруппников, бабушки — своих подруг со скамейки во дворе. ✅ Дедушка-модель: 72 года, пришел «на старости лет подработать». Снялся на 12 устройств за 4 часа — быстрее всех тиктокеров и позвал ВСЕХ своих друзей (Спасибо, дедуль, если читаешь это!) 2️⃣ Бумеры vs зумеры Съёмочный день №42: — Две девушки 18 лет: съемки идут 8 часов. Объясняем, как включить камеру на iPhone. Переспрашивают каждые 10 минут. — Две женщины 50+: пришли, всё сделали за 5 часов, вопросы практически не задавали, быстро взяли деньги и убежали. Общее впечатление Марка: «Зумеров приходилось водить за руку: "Нажмите здесь, повернитесь, не дышите“. А бумеры? Сами ставили свет, меняли браузеры и ещё успевали кофе пить». 3️⃣ Итоги проекта - 4000 видео — теперь нейросеть банка видит мошенников сквозь маски 💀; - Дедушка-модель стал нашим маскотом; - Главный вывод: сбор данных — это не про алгоритмы. Это про людей, которые: ▪️ Путают Safari с Samsung, ▪️ Приводят на съёмки всю семью, ▪️ И учат тебя жизни, пока ты пытаешься их снять. 👉 Хотите узнать, как собрать датасет и не сойти с ума? Доверьте вопрос сбора нам, не прогадаете! 😉 Оставить заявку на сбор. #Кейсы #Советы

Часть 1: 🔥 Как мы собирали биометрию и почему нас в процессе путали с сектой Рассказываем историю глазами Марка, руководителя отдела разметки и сбора данных: 1️⃣ Заказчик пришел с задачей, от которой другие бежали «Нам нужно 4000 видео: люди разных рас, возрастов и снятые на наш список гаджетов. Чтобы нейросеть отличала живого человека от мошенника с маской», — сформулировал задачу Заказчик. А потом добавил: «И да, у вас есть полгода». Что такое спуфинг? 🤔 Представьте: злоумышленник распечатывает ваше фото на принтере, надевает его на лицо — и банковская система думает, что это вы. 💀 Наш датасет должен был научить нейросеть видеть разницу между живым человеком и подделкой. 2️⃣ Как выглядел процесс сбора? Каждого участника снимали: ✔️ 18-ю разными способами; ✔️ На смартфоны, ноутбуки, веб-камеры; ✔️ При разном освещении; ✔️ С метаданными: возраст, пол, раса, модель устройства, ОС, браузер. Чтобы снять полностью одного человека уходило 5-8 часов. 3️⃣ Проблема №1: Дефекты камер и ПО заказчика Заказчик настоял на своем веб-интерфейсе, который периодически сигнализировал: «В кадре не лицо!» — даже когда человеческое лицо было очевидно в кадре. Причина? Дефектные камеры сжимали изображение, словно съемка велась через аквариум. Как справлялись: - Меняли оборудование на ходу (да, спасибо, Яндекс.Маркет); - Терпели глюки системы; - Добавили в смету «кофе от нервов» — но клиент это не оценил. 🎚️ Продолжение истории — в следующем посте (во вторник). Там вы узнаете, как мы боролись со стереотипами про секты, уговорили массы людей на съемки и выяснили, чем бумеры круче зумеров. Не пропустите! 😉 #Кейсы #Советы

🏎️ Искусственный интеллект на трассе: первые в мире гонки ИИ-болидов в Абу-Даби Что если болидом Формулы-1 управляют вовсе не профессиональные гонщики, а алгоритмы? 🤖 Без шлемов, руля и эмоций — только искусственный интеллект и технологии. Именно это произошло 27 апреля 2024 года на трассе Яс-Марина в Абу-Даби, ОАЭ. Это были первые в истории гонки ИИ-болидов под эгидой Autonomous Racing League (A2RL). Если гонки Формулы-1 — это всегда про мастерство пилота, который чувствует машину, и про команды инженеров, которые эти машины проектируют, то здесь мы имеем дело с совершенно другим подходом. Шейхи раскошелились и организовали огромный гоночный трек, болиды мощностью 600 лошадиных сил и призовой фонд в $2,25 млн. А за рулём — никого. 1️⃣ Почему это событие особенное? Каждая команда собирала машину из базового комплекта, предоставленного организаторами. Это были настоящие болиды Формулы Dallara Super Formula SF23 — с двигателями мощностью в 600 лошадиных сил, с турбодвигателями и карбоновой трёхсоткилограммовой рамой. Единственное отличие — в них нет водителя. 🚗 Его заменяет комплекс: - 7 видеокамер, которые считывают всё, что находится перед, по бокам и даже сзади. 📹 - 4 радара и 3 лидара, распознающих объекты и строящих виртуальный 3D-слепок трассы. 🌐 - Процессор Nvidia и компьютер Neusys, которые анализируют полученные данные и управляют машиной через гидравлические механизмы. 🧠 Все команды программировали болиды для автономного вождения, чтобы они не только проехали круг, но и могли оценивать риски, обгонять соперников и выбирать лучшую траекторию движения. Задача оказалась сложнейшей — даже для тех, кто давно работает с системами машинного обучения. 2️⃣ Кто участвовал? Соревновались 8 команд разработки из разных уголков мира 🌍. Каждой группе разработчиков предстояло обучить свою ИИ-систему «управлению болидом». Главными переменными здесь были именно кодинг, алгоритмы и мастерство в машинном обучении, ведь у всех команд был единый набор оборудования и болидов. 🛠️ На разработку и тестирование выделялось ограниченное количество месяцев. Как разработчики заявляем, это невероятный вызов — собрать систему с обучением нейросети, которая должна справляться с обработкой данных на скорости 300 км/ч. 🚀 3️⃣ Что происходило на трассе? Соревнования прошли на знаменитой 16-поворотной трассе Яс-Марина — месте, где несколько лет назад вовсю ревели двигатели Формулы-1. Болидам под управлением ИИ нужно было самостоятельно проехать 16 кругов. Всего одновременно могли соревноваться по четыре болида. ⚡ Проблемы возникали на каждом повороте: машины должны были держать траекторию, обходить соперников, распределять ресурсы тормозной системы и предусматривать всё до долей секунды. Однако технологии всё ещё не совершенны. 😬 Все болиды столкнулись с техническими проблемами. У одной из машин произошёл сбой в алгоритмах траекторий: компьютер выбрал опасный угол и не удержал машину на повороте. У другого болида перегрелись датчики. 4️⃣ Кто победил? После предварительных заездов в финале встретились самые лучшие болиды. Алгоритмы соревновались в обгонах, точном выборе траекторий и проверяли поведение при экстремальных поворотах. 🚦Победу одержала команда Мюнхенского технического университета (TUM). Их алгоритм оказался самым надёжным и справился с трассой лучше остальных. 🥇 Для сравнения на трассу вышел российский гонщик Даниил Квят. Он проехал круг на идентичном болиде. Несмотря на ошибки алгоритмов, человек пока оказался быстрее. Как вам идея того, что романтика автоспорта превращается в математику? 🤷‍♂️ Поделитесь своим мнением в комментариях! 👇

Разметка медицинских данных: как 25 врачей превратились в 3, и почему это был успех (2/2) 🚀 Продолжаю историю проекта для московской лаборатории (начало тут). После того как мы посчитали экономику, началась самая нервная часть — отбор врачей. Воронка длиною в 14 дней: По условиям тендера нужно было предоставить 3 сертифицированных экспертов. По каждому кандидату надо было соборать — дипломы, грамоты, снимок трудовой книжки и хорошо-выполненный тест. Моя жизнь на две недели превратилась в: 1️⃣ Поиск врачей через группы и форумы. 2️⃣ Постоянный допил скрипта и прямые переговоры с врачами с целью конвертировать эксперта в выполнение теста. Уже вне работы я здороваясь с друзьями на автомате стал говорить: «Здравствуйте, это NeuroCore. Благодарю вас за интерес к вакансии...» 3️⃣ Тесты → обратная связь от клиента → и каждый раз решение по врачу: либо «дальше», либо «до свидания». Цифры: 25 врачей в воронке → 12 согласились на тест → 5 прошли минимальный порог экспертизы → клиент утвердил 3 врачей (по условиям больше — не требовалось). Как только было найдено необходимое число врачей — выдохнул. А что дальше, автопилот? Не совсем: Когда врачи приступили к разметке, проект казалось бы пошел сам. Но нет: ✔️ Каждую неделю связывался с командой медиков — спрашивал, всё ли ок, нет ли проблем. ✔️ Мониторил прогресс: если видел падение скорости, мягко напоминал о дедлайнах. ✔️ Был «мостом» между заказчиком и врачами, если возникали вопросы, проблемы или требовались уточнения по разметке. Итог: ▪️ Сдали проект на месяц раньше (всегда закладываем запас!). ▪️ Заказчик написал: «Результат выше ожиданий». ▪️ Врачи благодарили за четкую коммуникацию — для них это был первый опыт работы с ИТ-компанией без хаоса в процессе. Главный инсайт: Люди работают с людьми. Даже в технических проектах важно, чтобы эксперты чувствовали поддержку. Нельзя просто «кинуть ТЗ и ждать». ❤️ Огромное спасибо нашим врачам-героям! Без вашего профессионализма и терпения ничего бы не вышло. Уверен, ваша работа поможет улучшить диагностику и спасти не одну жизнь. #Кейсы #Советы

Трансформации Майкла Джексона Майкл Джексон — человек-загадка. Его внешность менялась так радикально, что некоторые до сих пор верят, что это был не он, а двойник. Мы решили проверить, насколько "старый" Майкл похож на "нового". Система распознавания лиц уверена на 71.1%, что это один и тот же человек. Видимо, Майкл просто решил, что быть королем поп-музыки — это не только талант, но и постоянные эксперименты над собой.

О тараканах-киборгах, часть 1 В 2023 году группа исследователей из Наньянского технологического университета провела серию исследований по превращению тараканов в послушных насекомых неинвазивными методами. Они создали рукав, который индивидуально надевается на каждую антенну. Рукав сделан из золота и пластика, напечатанного слоями. Закрепленные на месте с помощью ультрафиолетового света, рукава сжимаются, как пластиковая термоусадочная пленка. Оба рукава были соединены коротким проводом с крошечным рюкзаком, который был приклеен к спине таракана. Сигналы отправлялись по беспроводной связи в рюкзак с ручного контроллера, который посылал очень слабые электрические разряды на одну или другую антенну, в результате чего таракан поворачивался в желаемом направлении. Исследовательская группа также приклеила электрод к животу таракана, который при стимуляции правильным образом заставлял таракана бежать быстрее или медленнее. Оригинал статьи: https://www.nature.com/articles/s41528-023-00274-z

Разметка медицинских данных: как мы искали врачей и заставили их работать без оффера (1/2) 👋 Привет! На связи снова Роман Федоров, аналитик из NeuroCore. 📌 Напомню: раньше я писал посты про сбор данных с оружием в Дубай и про съемки видео драк с помощью настоящего бойцовского клуба. Читай, если пропустил! Сегодня расскажу, как мы с командой реализовали проект для московской лаборатории, которая улучшает систему здравоохранения. Как всё начиналось: 1️⃣ В августе прошлого года к нам пришла заявка на типичную задачу разметки. Сделали тест, сдали — клиент пропал на 2 месяца. А в октябре он вернулся с новостью: «Проект в тендере, но задача другая. Хотите — подавайтесь!». При первом приближении выяснилось — предстоит разметка рентген-снимков по типам болезней. 2️⃣ Как итог — нужны врачи с узкими компетенциями. Где их брать? В больницу стучаться? Нет, мы полезли в тематические группы и форумы. ⏩Первые сложности: Первые скрипты для привлечения врачей дали ноль эффекта. Почему? Оффер был слишком абстрактным: «Сотрудничаем на интересных условиях». Люди не верили. Нужно было считать экономику проекта, но как, если врачи отшивали нас на этапе переговоров? ⏩Хитрость vs. этика: Решили действовать так: предлагали врачам «тест перед допуском к проекту» — час работы без оплаты. Обман? Возможно. Но без этого мы бы не смогли посчитать KPI и понять, сколько платить. Кстати, как вы думаете — это нормально? Ведь компании часто просят соискателей делать тестовые задания бесплатно. Я негодяй или просто хитрец? 🤔 ⏩Прорыв: Нашелся один врач-альтруист (пусть ему бог даст здоровья!), который согласился на тест. Так мы вычислили стоимость задачи и подкорректировали оффер. Теперь можно было идти в тендер с четкими цифрами и понятной экономикой. Что дальше? Уже в следующий четверг я расскажу, как мы за 2 недели отобрали 3 врачей из 25, превратили проект в «автопилот» и почему поддержка связи с экспертами — это 50% успеха. А пока — ваш вердикт: оправдана ли маленькая хитрость ради большого дела? 💬 #Кейсы #Советы

Дайджест постов месяца: самые яркие проекты! Этот месяц выдался насыщенным на контент: мы поведали вам как решались сложнейшие бизнес-задачи, рассказали как мы экспериментировали, обучали ИИ и делали то, что никто до нас ещё не пробовал. Делимся проектами, которые запали в душу. 1️⃣ Видеоаналитика нового уровня с платформой NeuroVision 👁‍🗨Читать больше Как научить камеры не просто "видеть", а понимать, что происходит? Презентуем нашу авторскую разработку NeuroVision. Рассказываем, как подключить оборудование, настроить сценарии в пару кликов и автоматизировать аналитику. Ваш бизнес ещё никогда не видел такого удобства! 2️⃣ Контроль усталости операторов: безопасность превыше всего 🥱Читать больше Что делать, если человеческий фактор угрожает безопасности? Мы нашли ответ! Наша система следит за состоянием операторов и помогает вовремя реагировать на усталость, снижая риски. Узнайте, как мы делаем рабочие места безопаснее. 3️⃣ Тайлер Дерден для ИИ: как учить модели реалистичным дракам? 👊Читать больше Обучение моделей и нейросети иногда требуют от бизнеса компетенций по методу Станиславского. нужно почувствовать себя участником бойцовского клуба. В этот раз мы снимали сцены драк для ИИ. Всё было круто, пока не выяснилось, что 66% видеоматериала не подходит. Почему всё пошло не по плану? И как мы справились? Полная история — в посте. 4️⃣ Нейросети, бизнес и государство: как найти общий язык? 🙍‍♂️Читать больше Игнат Ушев, директор по продуктам NeuroCore, рассказывает о реальных вызовах, которые есть в нейробизнесе. Разбираем главные тезисы Игната по ссылке. 5️⃣Датасет из свинарника: когда всё идёт не так 🐖Читать больше Разметка данных для сельхозаналитики? Задача казалась простой, пока вместо десятка свиней на каждом снимке мы не увидели сотни. Как мы справились? Полная история — в нашем посте. 🗣 Будьте с нами — подписывайтесь на канал NeuroCore. Мы не только развиваем технологии, но и создаём что-то большее: знания, опыт и эмоциональные истории. Читайте наши посты и подписывайтесь на канал, чтобы не пропустить новый контент. 🎚️

🔥 Нейросети, бизнес и государство: как найти общий язык? Директор по продуктам NeuroCore Игнат Ушев — о реальных вызовах, провалах и прорывах Представьте: вы внедряете ИИ-решение, тратите месяцы и миллионы, а на выходе — система, которая работает с ошибками. Знакомо? 💸 Таких кейсов — тысячи. Но почему они повторяются? И как бизнесу, государству и разработчикам перестать ловить дисконнект и наконец-то поймать «общую волну»? Не так давно Игнат Ушев, директор по продуктам NeuroCore, выступил на конференции с жестким разбором ситуации на рынке. О чём говорил Игнат? 1️⃣ «ИИ — не серебряная пуля от всех бед, а инструмент, который нужно заточить под задачу» 2️⃣ «Государство — не враг, а партнёр, который пока не понимает, как помочь сфере» 3️⃣ «70% проектов горят ещё на старте. И это нормально» Почему стоит посмотреть выступление? - Для бизнеса: как не потратить миллионы на технологии, которые не окупятся. - Для госструктур: какие законы мешают и как помочь сфере. - Для разработчиков: почему «точность 99%» — миф, а клиенты верят в сказки. 👉 «Главная проблема развития ИИ — не алгоритмы, а люди. Бизнес хочет волшебства, государство боится рисков, а разработчики забывают спросить: «А зачем вам это?» 🎥 Смотреть выступление целиком #Советы

🥊 Часть 2/2: Тайлер Дерден для ИИ: съемки, первый блин комом и «первоход» БК спасает положение Первая часть поста. 1️⃣Краснодар (драки 3х3): — В Краснодаре пришлось столкнуться с организационным вызовом — съемки перенеслись на дневное время суток и это очень сократило число потенциальных актеров, а съемочная группа не досчиталась 1 актера. Выручил новичок, который приехал на сходку бойцовского клуба из станицы на расстоянии 200 км от Краснодара. Из происшествий: Когда фиксировали драку в подъезде, столкнулись с негативной реакцией местной жительницы. Попытка объяснить, что всё понарошку и вообще затеяно в целях науки и всеобщей безопасности — не увенчалась успехом. Была вызвана полиция, но мы успели завершить съемки до их приезда. 2️⃣Москва (драка 1х1, драка 1х3): Весь контент был отснят без происшествий, но позже мы столкнулись с серьезной проблемой: через пару дней клиент сообщил, что видео московских коллег не подходит, а это – на секундочку – 66% материала от всего объема. При внутреннем анализе выяснилось, что драки, которые имитировали наши коллеги из Москвы, получились недостаточно убедительными, хоть и соответствовали качеству, которое мы показали на тестах. На мой взгляд сыграл контраст: московские видео повторяли ТЗ тестовых замеров, в то время как краснодарские видео произвели впечатление реальной драки. При проверке клиент заметил эту разницу и решил, что видео сняты некорректно. В результате он попросил переснять большую часть материала. Решение: Пошли навстречу и силами краснодарцев из БК запланировали пересъемку московской части датасета. 🎚️ Результаты Вторая партия видео с пересъемками была принята без правок. За недолгие две недели работы мы достигли всех целей проекта: — Пересъемки видео приняты клиентом без правок — Алгоритм обучения нейросети получил эталонные данные с детализацией: • Реалистичный обмен ударами • Паттерны группового поведения перед дракой • Распознавание провокаций до начала драки — Довольный заказчик — Актеры остались живы и здоровы Бонусом шли: глубокое удовлетворение от избранного подхода к выполнению и (почти) безупречного исполнения и конечно же бесценный опыт, который не раз помог нам в будущем. #Кейсы

🥊 Часть 1/2: Тайлер Дерден для ИИ: как мы сняли датасет с драками для обучения нейросети с помощью людей из бойцовского клуба Привет! На связи снова Роман Федоров, аналитик NeuroCore. В этот раз из Дубай переносимся в Краснодар и Москву. Сегодня я расскажу как мы датасет с драками снимали. Заказчик — компания из топ-10 NIST по распознаванию — обратился с задачей: собрать уникальный датасет из 300 видео драк трех типов (драка 1x1, драка 1x3, драка 3x3). От идеи использовать ролики из сети отказались сразу — алгоритму нужен был контроль над переменными. Требования к съемке: • Ракурсы камер на уровне уличных камер наружного наблюдения; • Изменение локаций и освещения • Смена одежды/актеров каждые 10 роликов • Хронометраж 15-30 секунд с реалистичным развитием конфликта Что сделали: Провели бесплатные тестовые съемки перед проектом — это позволило: • Снизить риски переделок • Точно рассчитать бюджет и сроки • Согласовать ожидания с клиентом на раннем этапе — Разделили съемки между Москвой (драка 1x1, драка 1x3) и Краснодаром (драки 3x3). В Москве преимущественно были сотрудники NeuroCore из штата, а в Краснодаре единственный сотрудник в лице меня и мои связи из бойцовского клуба, где я раньше был организатором. Первые сложности: За сутки до старта клиент потребовал согласовывать каждый ракурс. В экстренном порядке (за 2 суток): 1. Сделали фото всех локаций 2. Утвердили их с клиентом 3. Выстроили маршрут для съемочных команд 🎚️ Продолжение — во вторник. — Как съемки в подъезде едва не закончились полицией — Почему 66% материала забраковали — Как мы спасли проект и пошли навстречу клиенту #Кейсы

🔥 Видеоаналитика нового уровня с платформой NeuroVision Знаете, сколько событий пропускают ваши камеры, пока кто-то вручную листает записи? NeuroVision превратит ваши камеры в умных помощников, которые распознают лица, номера машин, запрещенные предметы и даже анализируют толпу — автоматически! 🇷🇺 И важные новости: NeuroVision официально в реестре российского ПО! Почему это важно? ✅ Для вас: снижение цен. ✅ Для нас: сможем больше инвестировать в разработку. ✅ NeuroVision — это 100% российская технология. В нашем ролике вы узнаете, как легко и быстро настроить работу платформы NeuroVision с помощью сервиса Сценарии. Всё делается буквально в несколько шагов прямо в интерфейсе: 💡 Сценарии — это как кнопка "сделай красиво": — Настроили зону у шлагбаума? Машины из белого списка проезжают сами. — Система заметила запрещенный предмет? Уведомление летит мгновенно. — Нужен отчет? Платформа его уже собрала. 🏆 Наш алгоритм распознавания номеров — чемпион Казани-2020, а еще мы умеем детектировать падения, сон за рулем и даже поддельные лица. 🚀 Хотите узнать, как NeuroVision решает реальные задачи? Смотрите ролик. А как досмотрите — стучитесь к нам на сайт, мы проведем бесплатную консультацию, чтобы узнать какое место NeuroVision может занять в ваших процессах. 🎚️ И подписывайтесь на наш Telegram, чтобы не пропустить новые посты. 🔔 #Технообзор #Кейсы

Как 180 000 свиней чуть не сломали нашу компанию (и чему нас это научило) Привет, друзья! 👋 Сегодня расскажем историю, от которой у нас до сих пор дрожат коленки. Речь о проекте, где мы едва не утонули в... свинарнике. Да-да, вы не ослышались. 🐷 Началось всё просто: К нам пришел заказчик с задачей разметить 3000 изображений в формате COCO. «Легкотня!» – подумали мы. Ведь в ходе тестов проблем не возникло и мы ожидали что на каждом кадре будет 10-20 хрюшек. Но, как выяснилось, Вселенная (или Заказчик) любит подкидывать приколы. Где мы просчитались? Оказалось, на некоторых кадрах свиней было не 20, а 50-60! 🚨 Наши инструменты разметки, даже на игровых ПК, начали лагать так, будто их пнул рассерженный кабан. Картинки зависали, курсор двигался со скоростью улитки, а сроки проекта таяли на глазах. Что ещё? - Разметчики взбунтовались: из-за лагов их оплата в час упала ниже плинтуса. Один даже написал: «Лучше буду картошку копать, а свиней сами размечайте!». - Клиент нервно спрашивал: «Когда сдадите?». Каждый день. - В офисе пахло отчаянием (и кофе). Как спасались: 1. Повысили ставки для разметчиков. Теперь за каждую свинью платили как за VIP-свинью. 2. Кинули клич по компании: к разметке подключились даже продажники, маркетологи и бухгалтер Люда. 3. Пересчитали подход: вместо оплаты за кадры — за каждый объект (точки и bbox). Итог: 180 000 свиней, море слёз и минус прибыль. Итог: Проект сдали. Клиент остался доволен, а мы получили: - Ценный опыт: теперь нас так не проведешь! - Новые компетенции: теперь наши сотрудники могут размечать закрытыми глазами, вальяжно посматривая мемы в ТикТок и попивая чай. - Железное правило: всегда считать объекты, а не кадры. P.S. А вы сталкивались с задачами, которые пошли не по плану? Делитесь в комментариях – вместе посмеёмся (или поплачем). 😉 #Кейсы #Советы

Мистика вокруг Агаты Кристи В 1926 году Агата Кристи исчезла на 11 дней. Ее нашли в отеле под чужим именем, и до сих пор никто точно не знает, что произошло. Был ли это нервный срыв, хитрый пиар-ход или что-то более зловещее? Мы сравнили фото до и после исчезновения, чтобы понять, не подменили ли ее. Система распознавания лиц уверена на 79.66%, что это одна и та же женщина. Видимо, Агата просто решила устроить себе отпуск, вдохновившись сюжетами своих же детективов. Или, может, это был черновик нового романа? #FaceToFace