{"id":14277,"url":"\/distributions\/14277\/click?bit=1&hash=17ce698c744183890278e5e72fb5473eaa8dd0a28fac1d357bd91d8537b18c22","title":"\u041e\u0446\u0438\u0444\u0440\u043e\u0432\u0430\u0442\u044c \u043b\u0438\u0442\u0440\u044b \u0431\u0435\u043d\u0437\u0438\u043d\u0430 \u0438\u043b\u0438 \u0437\u043e\u043b\u043e\u0442\u044b\u0435 \u0443\u043a\u0440\u0430\u0448\u0435\u043d\u0438\u044f","buttonText":"\u041a\u0430\u043a?","imageUuid":"771ad34a-9f50-5b0b-bc84-204d36a20025"}

Ковры и нейросети: что получается, когда программисты решают пошутить на 1 апреля

Опыт поисковика недвижимости «Лун».

Мы в «Лун» любим 1 апреля, каждый год традиционно готовим розыгрыш для пользователей сайта. До этого мы уже делали смешного бота «Чёрный риелтор» и «открывали» кафе, которое до сих пор упоминают в ресторанных каталогах.

В этом году мы подготовились основательней — для первоапрельской шутки нам пришлось написать нейросеть.

Мы поняли, что есть яркий триггер на рынке квартир, характерный для стран постсоветского пространства, — ковёр на стене. Кто из вас не сталкивался с коврами, когда пытался арендовать или купить квартиру? Так родилась идея добавить на сайт новый фильтр, который будет показывать все квартиры с коврами на стене.

И понеслось.

Новый фильтр в интерфейсе сайта www.lun.ua

Протестировать ковровый поиск можно и сейчас.

Фильтр работает при помощи мультимодельной нейронной сети с последующим классификатором положения объекта в пространстве. Такой подход максимально близок к системе распознавания образов человеком. Для локализации ковра на фото были обучены две нейросети (подход Faster R-CNN): region proposal network — для генерации кандидатов и сеть для обнаружения объектов.

Затем, построив регрессор bounding box'a, получили движок для локализации ковров на фото. Оставалось научиться отличать ковёр на полу, диване и потолке от ковра на стене (ведь именно такие варианты наиболее востребованы).

С этой задачей справились благодаря каскаду классификаторов из простых деревьев принятия решений: на вход им подавались параметры изображения и выходы предыдущих сетей.

Сейчас мы правильно определяем 99% ковров на стене, а наши серверы успевают обрабатывать порядка 50 изображений в секунду, гарантируя постоянную работоспособность фильтра.

Вова Кубицкий, руководитель команды AI-разработки в «Лун»

Как показывают данные Google Analytics и количество репостов и комментариев в Facebook, ковровый фильтр пришёлся по душе нашим пользователям, чему мы искренне рады.

Статистика ковровых взаимодействий

Ремарка: «Лун» — известный в Украине поисковик недвижимости. Он собирает информацию, индексируя более 150 сайтов по недвижимости, а это около 2,5 млн объявлений. «Лун» идентифицирует и группирует одинаковые объявления с разных источников.

Классификатор и группировщик работают на основе нейросетей, которые распознают и сравнивают картинки и тексты в объявлениях. Для удобного поиска на сайте есть более 20 пользовательских фильтров, некоторые из них — тоже на основе AI и ML.

0
5 комментариев
Igor Erokhin

Было бы полезно такой фильтр и на ЦИАН сделать:
[x] Не показывать квартиры с коврами

Ответить
Развернуть ветку
Julia Nikolaeva
Автор

вообще, исключающие фильтры иногда важнее чем дополняющие, особенно в наших реалиях:)

Ответить
Развернуть ветку
Andrey Azarov

Сделайте, пожалуйста, фильтр "без дизайнерского ремонта", очень прошу

Ответить
Развернуть ветку
Julia Nikolaeva
Автор

можем вас понять:) на деле, даже нейронка не нужна, ведь "дизайнерский ремонт" — фраза, которой бравируют владельцы в описании. достаточно полнотекста, чтобы ее найти и "прибить" :)

Ответить
Развернуть ветку
Андрей Владимирович

Бiмба 😆

Ответить
Развернуть ветку

Комментарий удален модератором

Развернуть ветку
2 комментария
Раскрывать всегда