У ivideon есть собственный R&D и внутренняя команда компьютерного зрения. Мы работаем с видеоаналитикой для конкретных бизнес-задач — от контроля дисциплины сотрудников и стандартов обслуживания в HoReCa и ритейле до выявления нарушений на производстве и строительных объектах.
Поэтому хорошо знаем: обучить модель невозможно без качественных данных.
«Коммерсантъ» пишет, что Минцифры рассматривает возможность субсидировать затраты или предоставлять гранты на создание датасетов для обучения больших фундаментальных моделей.
🔹 Дефицит качественных отраслевых данных сегодня действительно сдерживает разработку и внедрение ИИ, особенно в узкоспециализированных задачах.
Что такое качественный датасет?
Это большой, корректно размеченный и проверенный людьми набор данных, соответствующий реальным условиям применения модели.
Например, изображения блюд или товарных полок, по которым ИИ учится находить нарушения сервировки и выкладки. В проектах видеоаналитики важно учесть типовые ракурсы камер, освещение, качество изображения и все разнообразие возможных ситуаций.
Наш опыт показывает:
🔹 типовой заказной проект в области видеоаналитики занимает четыре-пять месяцев;
🔹 до 80% времени может уйти на сбор, очистку, разметку и проверку данных;
🔹 для обучения модели обычно требуются десятки тысяч размеченных пар «входные данные — эталонный результат».
Заур Абуталимов, генеральный директор ivideon
Поддержка создания датасетов способна заметно ускорить внедрение прикладных отраслевых решений для промышленности, ритейла, транспорта и медицины. Однако для разработки большой фундаментальной модели помимо данных необходимы значительные вычислительные мощности — серверы, ускорители, системы хранения и электроэнергия.
👋 Канал ivideon в MAX