{"id":14272,"url":"\/distributions\/14272\/click?bit=1&hash=9c431bca9c7cafdd4ed114bc7fb4d407f06f28aa165d6f80b9637d3a8581e5c2","title":"\u0421\u0431\u0435\u0440\u041a\u043e\u0442 \u2014 \u043f\u0435\u0440\u0432\u044b\u0439 \u0446\u0438\u0444\u0440\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043b\u044e\u0435\u043d\u0441\u0435\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u043b\u0435\u0442\u0435\u043b \u0432 \u043a\u043e\u0441\u043c\u043e\u0441","buttonText":"","imageUuid":""}

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