Мы используем файлы cookie для быстрой и удобной работы сайта. Выберите, какие файлы cookie вы разрешаете нам использовать. Подробнее в Политике конфиденциальности.
Сайт использует файлы cookie
Настроить cookies
Файлы cookie, необходимые для корректной работы сайта, всегда включены. Другие можно настраивать.
Ансамблирование экспертных оценок вендеров по прогнозированию пола и возраста с камер видеонаблюдения
системы на базе ИИ
системные интеграторы
7%
5%
увеличилась точность прогнозирования пола
на
на
увеличилась точность прогнозирования возраста
Заказчик
Крупное ИТ-подразделение органа исполнительной власти, Московский регион
ВЫЗОВЫ/ОСОБЕННОСТИ
повышение точности прогноза требовало тонкого тюнинга моделей, так как точности у вендоров уже была относительно высокой
для повышения точности набора оценок вендоров требовалось применить модель, однако природу и вид модели надо было определить на этапе реализации
Повышение точности прогнозирования пола и возраста на основе ответов 4 вендоров по изображениям с камер видеонаблюдения
Задача
решение
Техническое решение
1. Привели оценки экспертных систем к общему формату для ансамблирования
2. Разработали алгоритм объединения оценки экспертных систем по прогнозированию пола и возраста по видеоизображениям с камер видеонаблюдения
3. Провели оценку качества работы ансамблированной системы на тестовых данных
ансамблирование — метод машинного обучения, который заключается в объединении нескольких моделей (экспертных оценок) для повышения качества прогнозов. Каждая отдельная модель имеет сильные и слабые стороны, ансамблирование позволяет увеличить стабильность разрабатываемой модели и повысить точность прогнозирования
4. Оптимизировали использование ограниченного объема размеченных данных. Применили алгоритмы машинного обучения и техники активного обучения для повышения точности и эффективности прогнозирования
5. Внедрили разработанную систему ансамблирования
6. Использовали подходы:
взвешенное голосование
метод ансамблирования, когда каждая модель ансамбля получает вес по важности при принятии решения
алгебраические методы
позволяют обрабатывать данные, выявлять закономерности, уменьшать размерность данных, строить модели и принимать решения на основе алгебраических выкладок
нейросети
класс алгоритмов машинного обучения
аппроксимация гиперплоскостями
Результат
Бизнес-ценности
Увеличение точности
Точность прогнозирования полаувеличилась на 7%
Точность прогнозирования возраста увеличилась на 5% Разработанные системы оценивают пол и возраст на основе множества экспертных оценок, что позволяет получить более достоверные результаты
Оптимизация использования ограниченных данных
Одна из ключевых особенностей проекта — возможность использования только конечных оценок, полученных от экспертных систем, что позволяет снизить вероятность ошибок и повысить точность оценок