Компьютерное зрение для страховщиков и каршерингов: как мы в Platforma изменяем рынки
Привет, VC! Представьте себе ситуацию: зима, на дороге гололед, вы едете на своей машине на работу. И тут вдруг перед вами резко тормозит Порше Кайен. Вы бьете по тормозам… а машина не останавливается и почти беспрепятственно скользит дальше. Бух! На бампере Кайена вмятина и россыпь царапин, и из него вылезает разгневанный владелец.
Программа чушь.
Вот что бывает, когда программистов заставляют делать работу машиностроителей.
И для меня совершенно удивительно то, что создатели данного приложения ДАЖЕ не прокосультировались с машиностроителями и инженерами, не посмотрели аналоги решений на рынках.
Первое. Есть такая вещь как метрология. Метрология это наука о технических измерениях.
Второе. Есть такие средства измерения, которые называются 3D сканеры.
Далее, знаете КАК нужно сделать вашу программу, с точки зрения инженерии, чтобы ваши данные имели высокую достоверность 2-3 сигма, и могли быть приняты как данные базирующиеся на методиках научных исследований??
С помощью нейронной сети, или не нейронной сети, вы получаете ДОСТОВЕРНУЮ 3D модель объекта с какими-то показателями точности.
В вашей модели вы ВЫДЕЛЯЕТЕ различные составляющие её элементы, например дверь, или порог, или другое.
По результатам сравнений полученной 3D модели вы считаете отклонения, и можете делать какие-то научно обоснованные выводы.
Визуальные дефекты в виде царапин могут определяться визуально.
Также я отмечу. Что дефектов может быть огромное множество. Те же микротрещины и пр.
Решение данной задачи это не создание автоэнкодера, который по картинкам вам определяет отклонение внешнего вида какой-то машины от оригинала. Я уверен на 90+%, что вы используете данную технологию.
И дело даже не в том, что сам подход по себе как технология будет иметь низкие показатели точности.
Смысл в том, что в подобном подходе НЕТ НАУЧНОГО ОБОСНОВАНИЯ.
Только научно-обоснованные и аргументированные подходые могут быть учтены судом и приняты в качестве релевантных данных в каких-либо процессах. В том числе оценки.
Но у вас в статье, ничего не сказано о методике. А именно методика самое важное и ценное в статье.
Нет каких-либо метрик точности. Только обобщённая цифра и прочее.
Если бы делали диссертационную работу по данной теме, вас бы никогда не допустили до защиты.
Также я отмечу, что у меня в лаборатории, например, был 3D сканер. И для его работы требуются значительные вычислительные ресурсы.
Для меня сомнительно, что можно решить подобную задачу с телефона. Я бы двигался в направлении создания облачного сервиса, когда с помощью хорошей камеры в каких-то приемлемых диапазонах показателей точности вы можете сделать то, что я описал выше.
Годы научных достижений есть в данном направлении. Когда получают 3D объекты, декомпозиция по поверхностям. Метрология так вообще существует всю жизнь.
* Я хочу отметить ДЛЯ ВСЕХ кто интересуется тематикой нейронных сетей и data science. Работа с исскуственным интеллектом это не создание и обучение нейронных сетей. Это не написание скриптов на питоне. Это в первую очередь понимание областей на стыке наук.
В противном случае будут проекты наподобие этого. Ну да, прикольная штука. Ну да, она вот такие вот картинки будет показывать. Но что от них толку?? Тупо MVP сделать, не более.
В системе много разных по типу моделей, но автокодировщика нет.