Проверка изображений рекламных макетов с помощью нейронной сети

Необходимо разработать нейронную сеть, способную проверять изображение на соответствие стандарту и выявлять нарушения

В компании ведется работа по распознаванию изображений для отслеживания отклонений от стандарта в брендовых элементах оформления АЗС «Газпромнефть». Разработаны две модели нейронных сетей, которые с хорошей точностью распознают на фотографиях брендовые элементы АЗС «Газпромнефть» и анализируют их на предмет отклонений от стандарта и наличие нарушений В этом году планируется масштабировать существующую систему: расширить число и типы распознаваемых элементов, добавить число проверок и правил. В этом проекте вам предстоит дополнить существующее программно-аппаратное решение возможностями по: • распознаванию нарушений, с точки зрения фирменного стиля, в рекламных макетах

Работу предлагается вести волнами – вначале разметить и разработать программный код для одного правила (пилотирование гипотезы). Параллельно с разработкой пилотной модели нейронной сети начинать составление полного классификатора и разработку программного кода по нему Волна 1 - Пилотирование гипотезы 1) Выбрать одно правило для модели, по которому изображение считается «имеющим или не имеющим нарушения данного типа» 2) Разметить датасет по выбранному для него правилу 3) Разработать и обучить модель для распознавания одного пилотного правила Волна 2 - Основная часть 4) Составить и согласовать с заказчиком полный классификатор – список правил, которые нейросеть должна проверять, чтобы сделать вывод по изображению 5) Под классификатор сделать разметку датасета (до 500 изображений) 6) Разработать интерфейс для подачи изображений «на вход» от портала и «на выход» 7) Проверить нейросеть на изображениях за пределами датасетов, используемых при разработке

Результатом работы является – 1. Согласованный с заказчиком классификатор правил для распознаваемого элемента (рекламные макеты) 2. Размеченный в соответствии с классификатором датасет 3. Программно-аппаратное решение на основе существующего, которое: 3.1. позволяет распознавать нарушения в изображениях по составленному классификатору 3.2. на основании полученной информации создаёт однозначное положительное или отрицательное событие («наличие или отсутствие нарушений») 3.3. в случае события «нарушения обнаружены» также возвращает перечень правил классификатора, которые нарушаются в изображении 3.4. предусматривает подачу информации на вход (запрос от портала), подача информации на выход 3.5. содержит комментарии к программному коду 4. Отчет, который содержит описание модели данных, алгоритма работы нейронной сети, требований к входящей информации, согласованные с Заказчиком ограничения

• Программный код • Размеченный датасет • Классификатор в формате MS Excel • Отчет в формате MS Word

● Решение распознает описанный в классификаторах набор правил в соответствии с метриками: F1 score : >= 0.9 Recall : >= 0.9 Precision : >= 0.9 ● Пройден ревью кода специалистами ГПН, отсутствуют уязвимости ● Соблюдены условия из разделов «Что предстоит сделать» и «Каким должен быть результат работы»

Да, для выполнения проекта требуется 2 человека