Разработчики из Пензы научили ИИ распознавать рекламу по одной фотографии Учёные Пензенского государственного университета (ПГУ) создали прототип веб-приложения, которое распознаёт наружную рекламу на фотографиях. Сервис использует компьютерное зрение и машинное обучение, чтобы находить рекламные объекты даже при плохом освещении, изменении ракурса или частичном перекрытии. Об этом ТАСС рассказали в пресс-службе университета. Учёные Пензенского государственного университета (ПГУ) создали прототип веб-приложения, которое распознаёт наружную рекламу на фотографиях. Сервис использует компьютерное зрение и машинное обучение, чтобы находить рекламные объекты даже при плохом освещении, изменении ракурса или частичном перекрытии. Об этом ТАСС рассказали в пресс-службе университета. Приложение может обнаруживать разные виды рекламы — от крупных билбордов до небольших листовок на подъездах. Чтобы научить систему распознавать конкретный объект, достаточно загрузить один-два эталонных снимка. Однако разработчики рекомендуют использовать не менее пяти изображений, сделанных при разном освещении и с разных ракурсов. В основе сервиса лежит метод Few Shot Learning — обучение на небольшом количестве примеров. Благодаря ему система может расширять круг распознаваемых объектов без полного переобучения модели. Сначала приложение обнаруживает рекламные носители на снимках, а затем определяет, соответствуют ли они загруженным образцам. «Наше веб-приложение проводит анализ точнее и эффективнее, чем человек», — рассказал разработчик проекта, студент Политехнического института ПГУ Михаил Андреев. По его словам, система сравнивает найденные объекты с эталонными изображениями и помогает определить, какой компании принадлежит реклама, даже если изменились освещение или ракурс. Сервис рассчитан не только на рекламные агентства, пиар-службы и медиахолдинги, но и на специалистов по городской среде. С его помощью можно отслеживать размещение наружной рекламы и оценивать, как она влияет на визуальный облик улиц. Прототип уже прошёл проверку — полнота обнаружения объектов достигла единицы, а точность составила около 0, 9. В дальнейшем учёные планируют получать изображения напрямую с городских камер наблюдения. Сейчас команда сотрудничает с компаниями, чтобы внедрить разработку в реальных условиях.