Нейронные сети, вдохновленные природой: новая архитектура экситон-поляритонных решеток эффективнее распознает образы
Ученые из Московского физико-технического института (МФТИ) сделали важный шаг в развитии нейроморфных систем, создав новую архитектуру нейронной сети на основе экситон-поляритонных конденсатов. Эта инновационная система показала впечатляющие результаты, превзойдя уже существующие поляритонные нейроморфные технологии. Результаты их работы опубликованы в журнале Light: Science & Applications.
Российский ИИ для распознавания доступен на всех отечественных платформах. Завершено портирование на RISC-V
Ученые Smart Engines первыми в России перенесли передовые технологии распознавания штрихкодов, паспортов и других документов на микропроцессоры архитектуры RISC-V. Теперь системы компьютерного зрения доступны на всех без исключения отечественных и основных международных аппаратных платформах: Elbrus, RISC-V, MIPS (КОМДИВ), SPARC, х86, ARM. Это позволяет внедрить распознавание в различных областях – от интернета вещей до ракетостроения – и осуществлять его фактически на любом микроконтроллере, без необходимости в видеокартах и мощных процессорах.
Как мы научили нейросети читать паспорта: история борьбы с бликами, водяными знаками и кривыми фото
Привет, Хабр!
США подтвердили лидерство российского ИИ в области проверки подлинности документов
Первенство российских ученых в области ИИ для борьбы с поддельными документами подтвердили в США. Бюро патентов и торговых марок США 13 мая 2025 года выдало российской компании Smart Engines патент на собственную технологию на базе ИИ для детекции и проверки голограмм. Новое решение может проверять на подлинность удостоверяющие личность документы со сложным голографическим узором. Вычислительно эффективная технология запускается на обычном смартфоне в режиме реального времени. Это уже тринадцатый патент, который получила компания на свои изобретения в США.
В России создали технологию для автоматической инспекции грузовых контейнеров с помощью AR-очков
Ученые Smart Engines создали систему для автоматического контроля грузовых контейнеров с помощью очков дополненной реальности. Новый промышленный инструмент позволяет идентифицировать номера и защитные пломбы на контейнерах без необходимости ручных проверок. Сотрудники логистической отрасли и таможенные служащие смогут быстро получать необходимую информацию о владельце, типе оборудования, серийном номере, габаритах и стране регистрации по одному взгляду на груз.
Технологии распознавания паспорта – 10 лет. Хабрология от Smart Engines
Десять лет назад, 17 марта 2015 года, мы опубликовали свой самый первый хабр. Тогда мы впервые представили городу и миру нашу технологию распознавания паспорта на мобильнике. Публика в комментах разделилась на два лагеря: одни сомневались в пользе решения, другие критиковали за недостаток возможностей и предлагали идеи по улучшению.
Google представила открытую ИИ-модель SpeciesNet, предназначенную для идентификации диких животных
Компания Google предоставила доступ к модели искусственного интеллекта SpeciesNet с открытым кодом. Модель предназначена для определения видов животных путём анализа фотографий с камер-ловушек.
Распознавание день в день: как настроить шаблон нового документа без программирования
Привет, Хабр! Вы прекрасно знаете, что мы в Smart Engines непрерывно совершенствуем наши системы распознавания российского паспорта и других документов. Вместе с этим мы постоянно расширяем список документов, которые могут быть распознаны при помощи наших решений, – и будем делать это и дальше. Но что если бизнесу нужно оперативно настроить распознавание нового корпоративного документа с жесткой структурой? Сегодня такая потребность есть практически у любой организации.
Smart Engines проведет открытый вебинар «Распознавание банковских карт для онбординга и интернет-эквайринга»
Научно-технологическая компания Smart Engines, лидер в области распознавания документов, проведет открытый вебинар
Распознавание образов в мозге с помощью микроплееров
Введение Во многих системах при обучении распознаванию образов загружается большое количество различных изображений этого образа. Однако человек запомнив, например, цифру 3 на примере одного из ее изображений, способен распознавать тройки самых разных форм, размеров и ориентаций. Причем распознавать быстро и безошибочно. Как такое возможно? Да что человек, возьмем более простые организмы, скажем насекомых. Неужели в нервную систему комара для того, чтобы он умел распознавать окружающие объекты нужно загружать сотни разных изображений этих объектов, как это делается в системах машинного обучения ?
