ноябрь    2025

Пн	Вт	Ср	Чт	Пт	Сб	Вс
					1	2
3	4	5	6	7	8	9
10	11	12	13	14	15	16
17	18	19	20	21	22	23
24	25	26	27	28	29	30

показать все 

31.10.2025

Почти 70% компаний не используют системы защиты от утечек данных

Читать далее 

30.10.2025

Айсорс запустил Центр промышленной автоматизации

Читать далее 

30.10.2025

Каждая вторая компания в мире внедряет системы управления процессами — рынок вырос вдвое за год

Читать далее 

30.10.2025

State of DevOps Russia 2025: рост зрелости команд, интеграция AI и приоритет безопасности

Читать далее 

30.10.2025

70% компаний не соответствуют требованиям закона о защите персональных данных

Читать далее 

показать все 

31.10.2025

Поддержка 1С - "черная дыра" IT- бюджета: как превратить хаос в управляемый процесс и оптимизировать затраты

Читать далее 

18.10.2025

Как посчитать реальную выгоду от ИИ в видеонаблюдении?

Читать далее 

18.10.2025

Управление расходами: режем косты с помощью ИИ

Читать далее 

17.10.2025

Безопасность как сервис (SECaaS)

Читать далее 

16.10.2025

До 97% выросло количество людей, которые реагируют на утечку своих персональных данных

Читать далее 

29.07.2025

Точность до метра и сантиметра: как применяют технологии позиционирования

Читать далее 

18.04.2024

Как искусственный интеллект изменит экономику

Читать далее 

22.09.2023

Эпоха российской ориентации на Запад в сфере программного обеспечения завершилась

Читать далее 

22.09.2023

Сладкая жизнь

Читать далее 

22.09.2023

12 бизнес-концепций, которыми должны овладеть ИТ-руководители

Читать далее 

показать все 

Главная / Новости партнеров / «Технологии Больших Данных» (ТБД-2016)

В рамках программы форума в секции «Инструменты Больших Данных», в 14:45 с докладом «Масштабирование методов Deep Learning для обработки видеопотоков» выступит Константин Киселев, руководитель направления машинного обучения и компьютерного зрения компании «Техносерв». В своем выступлении он расскажет о том, как построить систему, способную анализировать видеопотоки со 10 тысяч камер в режиме реального времени, какие методы использовать для решения подобной задачи, а также об алгоритмах распознавания и их масштабировании в кластере.

«В задачах продвинутой видеоаналитики требуется детектировать различные объекты (людей, животных, автомобили и др.) и распознавать их (распознать лицо человека или номер/марку машины). Для этого применяются методы Deep learning - разные архитектуры сверточных нейронных сетей. Такие алгоритмы часто работают в 10-ки раз быстрее на GPU, чем на CPU. С какими объемами данных мы имеем дело? Одна hd-камера видеонаблюдения генерирует около 4 Mb/s (1024p, H.264, 30 frames/sec). Если говорить о 10 000 камер, это уже 40 Gb/s и 300K frames/s. И на каждом кадре могут быть интересные нам объекты и возникать события, на которые необходимо немедленно реагировать. Как построить систему, способную анализировать видеопотоки с 1K, 10K или 100К камер в real time? Какие методы использовать для такой задачи? В своем докладе я доступно расскажу об алгоритмах распознавания и их масштабировании в кластере», - прокомментировал суть выступления Константин Киселев.

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи