Наш опыт позволяет предложить консультационное сопровождение по применению интернет технологий для бизнес процессов. Сегодня уже практически не осталось сфер деятельности, где можно эффективно справляться без использования электронных технологий. От сочетания их количества и профессионализма применения во многом зависит успешность бизнеса. Давно известно, «кто владеет информацией, тот владеет миром». Мы предлагаем проверенные и эффективные модели развития привычных бизнес процессов в тесном сплетении с интернет и айти технологиями. Сегодня от правильного применения перспективных инструментов и интернет технологий зависит успешность бизнеса.
Участие в Хакатоне 2019 г.Москва является подтверждением нашей высокой квалификации.
Новое направление нашей деятельности, это обработка данных нейронными сетями и их применение в бизнес процессах разного уровня и сложности. Наш более чем 20 летний опыт работы в совершенно разных секторах и направлениях экономической деятельности и бизнес процессов, в купе со знанием огромного количества самых современных айти инструментов, позволяют нам разрабатывать крайне эффективные методики роста и продвижения готовых проектов.
Занимаемся разработкой новых эффективных направлений бизнеса, с полной концепцией и быстрым ростом.
Наш проект по Хакатону2019 заказчик правительство г.Москва. Призовой фонд мэра 10,000,000р.
Бизнес задача «Системы городского мониторинга»
В данном задании была собрана 3D модель Арт Завода Арма предназначенная для анализа изменений снятых с разными временными интервалами, для дальнейшей обработки нейронными сетями с распознаванием изменений и их классификацией в автоматическом режиме.
Бизнес задача «Системы городского мониторинга»
В данном задании были предварительно собраны две 3D модели Арт Завода Арма
(разница 2 месяца, предназначенные для анализа изменений снятых с разными временными интервалами). Производится процес идентификации изменений и их классификация в автоматическом режиме с использованием технологии обучения нейронных сетей для конкретных бизнес задач.
Все задачи хакатона 2019г можно скачать по ссылке
9. Задача «Формирование цифровой модели городского пространства»
Направление «Системы управления»
Описание: Решение должно представлять из себя систему наложения на объёмную цифровую модель города графической информации, поступающей с городских камер видеонаблюдения, камер, установленных на подвижном составе транспортного комплекса города Москвы, и снимков, поступающих с мобильных устройств, а также анализа изменений объемной цифровой модели с целью выявления нарушений.
Командам желательно предусмотреть возможность совместного применения лидаров и камер для одновременного построения модели и наложения графической информации (текстур) в целевой модели решения.
Задача на хакатон: Командам необходимо реализовать максимально простой алгоритм реализации задачи, состоящий из следующих контрольных точек (может быть скорректировано командой в целях оптимизации алгоритмов):
1. Построение цифровой модели с макета городского пространства. Результатами на данной контрольной точке должны стать: ● цифровая 3D модель, сформированная средствами имеющегося (существующего) программного обеспечения. ● Основной критерий – максимальная точность.
2. Наложение текстуры на 3D модель. Командам необходимо будет отснять макет на цифровые фотокамеры и реализовать алгоритм автоматического наложения текстур на 3D модель. Результатами на данной контрольной точке должны стать: ● цифровая 3D модель, с наложенными автоматически (или автоматизировано) текстурами средствами имеющегося (существующего) или разработанного в рамках хакатона программного обеспечения. ● Основной критерий – максимальная точность.
3. Структурирование 3D модели. Командам необходимо реализовать алгоритм автоматического определения конкретных объектов модели – здание, урна, фонарный столб, знак дорожного движения, тротуар, дорожное полотно, рекламная конструкция (в том числе на здании) и пр. Результатами на данной контрольной точке должны стать: ● автоматический (или автоматизированный) алгоритм поиска и вычисления границ объектов, их отделения от сплошной 3D модели и позиционирования. ● сформированная автоматически таблица данных об объектах модели (детализация объектов макета: здание, урна, лавочка и пр.) ● Основной критерий – автоматическая работа решения
4. Геопозиционирование объектов на 3D модели. Командам необходимо привязать объекты к условной координатной сетке, имитирующей геолокацию. Результатами на данной контрольной точке должны стать: ● автоматическая привязка элемента 3D к виртуальной сетке координат. ● таблица данных об объектах модели (детализация объектов макета: здание, урна, лавочка и пр.) автоматически дополненная сведениями о геопозиции объекта. ● Основной критерий – автоматическая работа решения 5. Мониторинг изменений 3D модели. На макет будет нанесены условные нарушения и повреждения объектов – наклонена опора освещения, надписи на дорожных знаках, яма на дорожном полотне и прочие. Командам будет необходимо снова отсканировать и отснять макет и в результате выявить конкретные нарушения на каждом конкретном объекте. Результатами на данной контрольной точке должны стать: ● сформированная автоматически таблица данных об изменившихся объектах модели, определенных на контрольных точках 4, 5 ● Основные критерии – автоматическая работа решения, максимальная доля выявленных изменений.
6. Обучение системы анализа 3D модели. Команды должны предусмотреть решение по реализации интерфейса оператора, позволяющий «обучать» аналитическое ядро системы определению конкретных объектов (лавочки, урны, дорожные знаки, детские качели и пр.). Логичным будет применение технологии нейросетей. Результатами на данной контрольной точке должны стать: ● макет интерфейса обучения аналитической подсистемы или готовое (существующее) техническое решение; ● техническое описание математической логики вычисления, применяемой для обучения системы анализа следующим типам изменений деформация/разрушение объекта или порча объекта; ● таблица данных об изменившихся объектах модели, определенных на контрольных точках 4, 5, дополненная конкретными видами изменений из двух типов (деформация/разрушение или порча имущества). ● Основные критерии – автоматическая работа решения, максимальная доля выявления и точность определения нарушений.