Вдохновились мы ребятами из PHYGITALISM и их статьей «Как мы заставляли нейронку пялится на ржавчину», а тему подкинул заказчик. Мы – это компания Alter Еgo и специализируемся на стыке технологий машинного зрения, симуляции и добыче данных для задач неразрушимого контроля. Была поставлена задача – детекция стальных тросов (кстати, чаще применяется термин "канаты") гражданских лифтов на предмет его повреждений. Подводные камни не заставили себя долго ждать – оказывается ни вида повреждений, ни их классификации нет (дык откуда взяться такому богатству – с ними то лифт «не выпустят в рейд»). На наши горестные вздохи, что не на чем нейронки обучать, дали документ РД РОСЭК 012-97 «Канаты стальные, контроль и нормы выбраковки» и, судя по лицу главного технолога, мысленно перекрестились. 

В вышеуказанном документе были перечислены повреждения и дано их детальное описание, черно-белое.

Сегодня мы хотим поделиться опытом решения задачи детекции дефектов на снимках промышленных объектов методами современного компьютерного зрения.

Наш рассказ будет состоять из нескольких частей:

• “Постановка задачи и Данные”, в которой мы будем смотреть на ржавые отопительные котлы и лопнувшие трубы, наслаждаться разметкой и аугментацией данных, а также будем вращать и шатать трубы чтобы сделать данные разнообразнее;
• “Выбор архитектуры”, в которой мы сядем на два стула попытаемся выбрать между скоростью и точностью;
• “Фреймворки для обучения”, в которой мы будем погружаться в Darknet и заглянем в MMLab и покажем как сделать итоговое решение воспроизводимым и удобным для тестов.

Всем кому интересно взглянуть на пайплайн решения задачи из области машинного зрения и любителям ржавчины и трещин (не показывайте эту заметку сантехникам) просим под кат.