Предварительная оценка фото и видео выполняется на устройствах пользователей. Сегментация деталей, детекция повреждений и фоормирование отчета на серверах
А как же переобучение? Я б посмотрела более свежие публикации по вопросу выбора размера выборок и бесконечного их увеличения. Статья 2017 года не кажется супер актуальной на сегодня.
Работаю с SuperSet давно. В целом устраивает, но для меня самый главный минус - нет возможности добавлять выбор интервала дат для всего дашборда сразу. Нужно лезть в отдельные графики и там менять интервалы.
Подскажите, это я чего-то не знаю или это общая проблема?
Точная оценка внешних повреждений и предсказаний внутренних делает ненужным использование "человека, который будет копаться ...." по той причине, что для получения каско и ОСАГО делается внешний осмотр машины. Аналогично поступают и при страховании под залог автомобиля. Что же касается заказа запчастей, то наши эксперты из автомастерских проделали с нами очень большую работу по написанию продукционных правил, позволяющих с высокой точностью оценить какие внутренние детали нужно заказывать при тех или иных внешних повреждениях, а какие внешние детали нуждаются в замене мы и сейчас можем точно оценить. Исходя из вышесказанного и из имеющегося мирового опыта мы можем говорить о том, что все проблемы, которые я описала в этой статье могут быть решены с помощью анализа видео и фотоизображений автомобиля.
Расчет ремонта реализуется в связке с оценкой внутренних повреждений, как я уже отмечала в предыдущей публикации. Что же касается ложных срабатываний, то мы сейчас имеем точность сервиса в 87% и наибольшее внимание концентрируем как раз на ложных срабатываниях от грязи, снега, капель воды. По этому вопросу в ближайшее время планируем еще одну публикацию, в которой расскажем о том, какие ансамбли нейросетей, алгоритмы пред и постобработки мы используем для решения этой задачи
Спасибо за такой развернутый комментарий и вопросы. Сравнение с существующими решениями сделаем в следующих публикациях, когда будем рассказывать более подробно о каждом из этапов разработки нашего сервиса: о предобработке, включая задачу определения стороны автомобиля, о сегментации деталей кузова и, конечно, о детекции повреждений. Что касается идентификации внутренних повреждений, то на текущем этапе мы начали реализовывать и тестировать некоторые частные гипотезы, которые позже планируем объединить в итоговое решение. Уже есть некоторые победы, но говорить о них пока еще рано)
Нет, мы используем ручную разметку фотографий автомобилей. Использование чертежей предполагало бы их наличие по всем маркам, моделям, годам выпуска, модификациям, а, как мы понимаем, получить такие сведения очень сложно, да и разработанный нами ансамбль нейронных сетей практически идеально сегментирует детали автомобилей
Спасибо за вопрос! На данном этапе стояла задача оценки внешнего состояния автомобиля. В дальнейших планах прогнозирование скрытых повреждений в зависимости от внешних - одна из приоритетных задач
Предварительная оценка фото и видео выполняется на устройствах пользователей. Сегментация деталей, детекция повреждений и фоормирование отчета на серверах
А как же переобучение?
Я б посмотрела более свежие публикации по вопросу выбора размера выборок и бесконечного их увеличения. Статья 2017 года не кажется супер актуальной на сегодня.
Работаю с SuperSet давно. В целом устраивает, но для меня самый главный минус - нет возможности добавлять выбор интервала дат для всего дашборда сразу. Нужно лезть в отдельные графики и там менять интервалы.
Подскажите, это я чего-то не знаю или это общая проблема?
Точная оценка внешних повреждений и предсказаний внутренних делает ненужным использование "человека, который будет копаться ...." по той причине, что для получения каско и ОСАГО делается внешний осмотр машины. Аналогично поступают и при страховании под залог автомобиля.
Что же касается заказа запчастей, то наши эксперты из автомастерских проделали с нами очень большую работу по написанию продукционных правил, позволяющих с высокой точностью оценить какие внутренние детали нужно заказывать при тех или иных внешних повреждениях, а какие внешние детали нуждаются в замене мы и сейчас можем точно оценить.
Исходя из вышесказанного и из имеющегося мирового опыта мы можем говорить о том, что все проблемы, которые я описала в этой статье могут быть решены с помощью анализа видео и фотоизображений автомобиля.
Расчет ремонта реализуется в связке с оценкой внутренних повреждений, как я уже отмечала в предыдущей публикации. Что же касается ложных срабатываний, то мы сейчас имеем точность сервиса в 87% и наибольшее внимание концентрируем как раз на ложных срабатываниях от грязи, снега, капель воды. По этому вопросу в ближайшее время планируем еще одну публикацию, в которой расскажем о том, какие ансамбли нейросетей, алгоритмы пред и постобработки мы используем для решения этой задачи
В ближайшее время наше приложение появится в сторах, чему мы обязательно посвятим новость или публикацию.
Спасибо за такой развернутый комментарий и вопросы.
Сравнение с существующими решениями сделаем в следующих публикациях, когда будем рассказывать более подробно о каждом из этапов разработки нашего сервиса: о предобработке, включая задачу определения стороны автомобиля, о сегментации деталей кузова и, конечно, о детекции повреждений.
Что касается идентификации внутренних повреждений, то на текущем этапе мы начали реализовывать и тестировать некоторые частные гипотезы, которые позже планируем объединить в итоговое решение. Уже есть некоторые победы, но говорить о них пока еще рано)
Нет, мы используем ручную разметку фотографий автомобилей. Использование чертежей предполагало бы их наличие по всем маркам, моделям, годам выпуска, модификациям, а, как мы понимаем, получить такие сведения очень сложно, да и разработанный нами ансамбль нейронных сетей практически идеально сегментирует детали автомобилей
Пока не работаем с ними, но планируем начать работы в этом направлении в ближайшее время. Спасибо)
Спасибо за вопрос! На данном этапе стояла задача оценки внешнего состояния автомобиля. В дальнейших планах прогнозирование скрытых повреждений в зависимости от внешних - одна из приоритетных задач