読者の皆さん、こんにちは。すでに何度かこの記事を書こうとしましたが、蓄積された経験を深く反省する必要があると考え、落胆と悲しみに包まれたため、延期するたびに。ただし、AIの分野で同様のことを計画している皆さんと私の経験を共有するために、そうする意図を強化しました。次のすべては、活動の非常に特定の領域に適用されます：コンピュータビジョンの観点からのAI。
免責事項：私はニューラルネットワークの専門家ではありませんが、コンピュータービジョンのニューラルネットワークモデルが重要な役割を果たす製品の所有者の役割を果たしています。この記事は、同じ仕事を強いられている人だけでなく、人々がビジネス側から自分の活動をどのように見ているかを理解したいMLスペシャリストを対象としています。
そのため、私たちは、検出、追跡、識別、人の再識別、性別や年齢の決定など、コンピューターのビジョンに基づいた製品を作成しています。
ML要素を含む様々なプロジェクトを長い間行ってきましたが、この部分を中心としたプロジェクトを行うのは今回が初めてです。この間、私は製品の所有者として、多くの新しい奇妙なことを学び、そのような製品の作成を成功させるために重要ないくつかの原則を策定しました。
AI製品のリスク
リスクは甚大です。実際、AI製品の作成は、すべてのリスクが取り除かれたときに実際に終了します。従来のアルゴリズムを使用して製品を作成する場合、時間の5〜20％をリスクの処理に費やす場合、AI製品の場合、製品を作成するプロセス自体がリスクとの戦いになります。AI製品の作成から最大90〜95％の時間でリスク管理に費やされる時間を見積もっています。この観察から重要な結論が得られます。
食料品会社向け
納期、ひいてはコストの可能性が高く、何度も失敗することになります。
リスクが非常に大きいため、AIパーツが完成し、テストされ、納品される前に製品について何かをすることは意味がありません。
請負業者向け
AI- SMB / . "" Tinkoff, , . — .
, . , " , ".
AI Scrum , .
, , AI, Agile , , , "3 , 2 " .
. , , , .
:
: YOLOv4 – real-time Microsoft COCO
: Yolo4 Yolo3;
TL: , .
, Y3 Y4, .
.
ML, . : / , , , , .
. , . , , , , whatever. ML- , , , . .
, , , , . , , .
( ), ML . -, . , .
, — . .
, , , . , .
, Precision, Recall, F1, etc. .
, , 99.99% , , , , .
-
, . , — . , single shot .
. , realtime Yolo4. — 60 FPS Tesla T4. 416x416 , , FPS.
, Yolo4 , (FYI: ~ 15% ( 110 px 720p). , , . , . , .
: — . single shot ML — , .
- .
, :
- ;
- Yolo4 320x320, 416x416;
- .
" , , , , 320x320, 416x416"?
, , :
- ;
- , ;
- ;
- , , ;
- .
, , single shot -.
IT 15 , , . , ML, , : " , ".
, , , , .
, BigData Backend ML, .
, " " , . … - , , .
— .
, , , ML , , , .
— Terra Incognita
, Nvidia — Nvidia DeepStream . , DeepStream . Nvidia Inception, , - DeepStream, , .
" PyTorch" " DeepStream" , - C, Gstreamer, , , , TensorRT.
DeepStream — , Segmentation Fault, Python c NumPy, — - Gstreamer.
, Nvidia — . , — Nvidia, ML, .
ML- . , , -, etc. .
, , .
, WBS ML… ML- . , Trello -, ML- -.
:
, , WBS.
ML . — , . . " , ".
, :
, . , , .
ML- — , , , , , , , .
ML , , , , -, 23 , 14 16 , .
, . AI — , , - .