От клапана до скважины: как «цифра» проникает в управление производством
Или почему датчики — еще не цифровизация, а нейросети не панацея от всех проблем. Генеративный ИИ свел мир с ума. И, пока одни радуются открывающимся возможностям, а другие предрекают человечеству скорый финал, нейросети все прочнее проникают в повседневную жизнь. Происходит это не только на бытовом уровне. Бизнес тоже чувствует потребность в цифровизации. Согласно опросу Банка России, каждое седьмое предприятие использует искусственный интеллект. В лидерах — сфера услуг, а за ней добывающий сектор и обрабатывающая промышленность.
Как я собрал модель для определения стадии диабетической ретинопатии на бесплатном Colab
ПредысторияЯ собрал двухпоточную модель: она смотрит на снимок глазного дна и одновременно получает клинические показатели пациента. На отложенном тесте первый запуск дал QWK 0.834. Потом я стал разбираться, за счёт чего, и оказалось, что клинические признаки в моих данных содержат ответ. Я поставил три контрольных эксперимента, в том числе обучил отдельную модель только по снимкам. У неё QWK 0.713. Ниже весь пайплайн и способы, которыми такая утечка находится.Анализ
Как мы автоматизировали контроль сборки заказов для сети ресторанов быстрого питания
Рассказываем о кейсе внедрения компьютерного зрения в ресторане быстрого питания. Ценность кейса для бизнеса: запись с камеры длиной в 24 часа превращается в 30-секундный эпизод, который проверяющий может разобрать за минуту.В ресторане быстрого питания есть два источника данных: касса и камера. Касса знает, что продали. Камера видит, что положили на поднос. Не всегда касса и камера фиксируют одно и то же.
Секрет устойчивых платформ для умного города: SOLID, GRASP и Clean Architecture в деле
Запускаем большой проект? Значит, берём SOLID. Мы не раз слышали это от CPO и менеджеров продукта. О нём, кажется, знают все — и все хотят применить. Но он не спасёт масштабные проекты. Например, устойчивый умный город с решениями на основе машинного зрения на одном SOLID не построить. По канонам SOLID можно писать аккуратный код, но это не создаст архитектуру всей системы. Что на самом деле работает — подобранный под бизнес-цели набор инструментов, направленный на защиту ядра приложения.
«Фалькон Тех» на ПМЭФ 2026
Привет, Хабр! На связи команда «Фалькон Тех». В этой статье:о нашем участии в ПМЭФ 2026 в экспозиции «Москва»;о том, почему система интеллектуального мониторинга парковок «Стрит Фалькон» уже стала частью городской среды;и о том, какую роль в этом сыграло производство комплексов в ОЭЗ «Технополис Москва».Также расскажем о событийной программе в рамках форума: участии генерального директора Никиты Чистикова в дискуссии Минобрнауки;
Используем фотограмметрию для распознавания и геолокации объекта
В статье будет описан способ, как можно использовать фотограмметрию для определения координат подвижных и статичных объектов с летательных аппаратов. Практическое применение данного метода пока что затруднено по причинам, которые будут указаны ниже.Задача: В системе координат, для которой известны GPS координаты (обозначена на рисунке красным цветом) определить расстояние и вектор направления для объекта, обозначенным на рисунке желтым крестиком. Затем, соответственно определить GPS координаты этого объекта.
Как ускорить распознавание объектов нейросетями среди множества классов, не жертвуя памятью и точностью
Эксперты российской ИТ-компании «Криптонит» Никита Габдуллин и Илья Андросов разработали принципиально новый метод организации скрытого пространства нейросетей. В ряде сценариев он позволяет снизить требования к памяти GPU и существенно ускорить классификацию объектов нейронными сетями. Вместо того, чтобы мириться с ростом вычислительных затрат и требований к памяти по мере увеличения числа классов, авторы призывают отказаться от классификационного слоя и случайного распределения классов в скрытом пространстве нейросети.Ограничения классификаторов на примере компьютерного зрения
