Привет! Несколько абзацев о том, как понять, что человек, который проходит онлайн‑регистрацию — именно тот, за кого себя выдаёт? Поговорим про лабораторные метрики и реальные показатели.
Рубрика «CV»
Как оценить надёжность liveness‑проверки: гайд по метрикам для тех, кто выбирает KYC‑поставщика
2026-08-13 в 14:38, admin, рубрики: computer vision, CV, fraud-менеджмент, KYC, liveness detection, ml, знай своего клиентаОбучаем ИИ видеть то, чего он никогда не видел
2026-07-15 в 9:01, admin, рубрики: CV, ruvds_статьи, yolo, yolov8, Компьютерное зрение, машинное обучениеЗадача обнаружения объектов на изображении не нова, подходов к её решению существует масса. Вероятно, самым популярным и известным среди них будет YOLO. Появившись в 2015 году, эта серия систем по сей день используется, когда хочется сделать детекцию быстро, без долгих экспериментов с архитектурой.
Кэширование и трекинг. Как YOLO экономит время и нервы
2026-05-14 в 9:01, admin, рубрики: CV, redis, redis как настроить, ruvds_статьи, yolo, yolo redis, yolo как настроить, кеш, кэширование, трекинг
Случалось мне работать с CV: запускаешь сорокаминутное видео, YOLO честно находит людей, машины, собак. На двадцатой минуте падает сеть или, что хуже, камера наблюдения выходит из строя. Перезапускаешь. Модель снова смотрит те же кадры, Читать полностью »
Как уместить опыт в одностраничный PDF
2026-03-10 в 5:16, admin, рубрики: CV, llm, n8n, open source, PDF, адаптация резюме, карьерный опыт, поиск работы в it, резюме
Как мы построили систему видеоаналитики на open source и довели её до продакшена
2025-12-28 в 10:16, admin, рубрики: computer vision, CV, mlops, pytorch, yolo, видеоаналитика
Видеоаналитика в реальном времени: что делать, если нет GPU
2025-10-03 в 13:01, admin, рубрики: CV, gpu, python, анализ изображений, архитектура систем, видеонаблюдение, камера, Компьютерное зрение, оптимизация, цифровой сибурКогда у вас несколько десятков моделей компьютерного зрения, тысячи камер на заводах по всей стране и только несколько секунд, чтобы успеть оповестить оператора — важна каждая миллисекунда.
Но что делать, если вы работаете не в IT-гиганте с дата-центрами и парком GPU, а в промышленной компании с изолированными сетями, ограниченными ресурсами и жёсткими требованиями к отказоустойчивости? Расскажу:
-
почему разработка видеоаналитики в промышленности отличается от БигТеха;
-
какие ограничения приходится учитывать: отсутствие GPU, изолированные сети и жёсткие требования к отказоустойчивости;
Как научить робота выходить из лабиринта домино только «глазами»: Jetson Nano + Arduino
2025-10-01 в 22:02, admin, рубрики: arduino, CV, jetson, YOLOv5, Компьютерное зрениеВведение
В этой статье я расскажу, как простая тележка на базе NVIDIA Jetson Nano и Arduino NanoЧитать полностью »
ИИ в 3 фазы… снижение рисков, экономия времени и помощь человеку. Но …— нужно дать пользу уже на первом шаге
2025-09-16 в 13:51, admin, рубрики: autoencoder, cnn, CV, data science, deeplearning, Внедрение, искусственный интеллект, разработка«В крупных компаниях ИИ не продается как технология. Он продается как снижение рисков, экономия времени и помощь человеку.
Но чтобы его купили — нужно дать пользу уже на первом шаге.
Вот как мы сделали это без бюджета, без команды и с одними только идеями»
1. Введение: Не про ИИ. Про то, как заставить бизнес поверить в изменения
Привет!
Меня зовут Алексей. Я руковожу направлением искусственного интеллекта в федеральном холдинге.
Моя задача — не «внедрить нейросеть», а сделать так, чтобы люди перестали бояться изменений.
Раньше сотрудникам требовалось 40–60 минут, чтобы создать документ выбраковки:
Читать полностью »
Литературный обзор на статью: StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators
2025-09-02 в 9:18, admin, рубрики: AI, CLIP, CV, DS, ml, stylegan, StyleGAN-NADAStyleGAN-NADA (No Annotation Domain Adaptation) - метод, разработанный специалистами из Tel Aviv University и NVIDIA Research, позволяющий адаптировать генеративную модель (StyleGAN2) к новому домену без единого изображения, использующий только семантическую силу больших моделей, предварительно обученных контрастивным методом на тексте и изображениях (СLIP). На рисунке 1 представлены возможности метода StyleGAN-NADA.