Целью данного промежуточного этапа стала:
1. разработка архитектур нейронных сетей, используемых в алгоритмах автоматизации разметки;
2. программная реализация разработанных алгоритмов автоматизации разметки и оптимизация и обучение используемых нейронных сетей.
Для реализации поставленных задач был подготовлен тестовый датасет - фотографии планограмм и выкладок пачек сигарет, сделанные в реальных условиях на торговых точках. Выбор данного набора обусловлен многочисленностью примеров в каждом из классов, доступностью и полнотой самой базы изображений, предоставляемой одним из коммерческих партнером, а также расположением - объекты одного класса всегда находятся рядом друг с другом.
В рамках второго этапа НИОКР были достигнуты следующие результаты:
1. реализованы два алгоритма автоматизации процедуры разметки:
- алгоритм поиска экземпляров объекта в пространственной / пространственно-временной окрестности выделенного;
- алгоритм предсказания местоположений и размеров объектов на текущем изображении.
- время поиска экземпляров объекта в типовой окрестности выделенного объекта (5xот размера объекта) должно составлять не более 3 секунд;
- точность классификации на БД Imagenetпо метрике топ-5 должна составлять не менее 0.9.
4. проведено тестирование разработанных алгоритмов автоматизации разметки на созданном на первом этапе НИОКР датасете с использованием нейронных
сетей с отобранными архитектурами и выбор оптимальной архитектуры сети для разработанных алгоритмов;
5. проведена оценка целесообразности использования нейросетей в разработанных алгоритмах;
6. реализован графический интерфейс пользователя являющейся составной частью разрабатываемой автоматизированной системы разметки.
Реализованные на текущем этапе НИОКР алгоритмы поиска экземпляров объекта в пространственной / пространственно-временной окрестности выделенного и алгоритм предсказания местоположений и размеров объектов на текущем изображении позволят создать полноценный программный продукт – автоматизированную систему разметки – на следующем этапе НИОКР.