апрель    2026

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 

24.04.2026

Использование рабочей почты на сторонних сервисах создает ИБ-риски

Читать далее 

24.04.2026

Группа «Московская Биржа» представила результаты внедрения Единой СЭД на платформе Docsvision

Читать далее 

22.04.2026

«Газинформсервис» и «AzInTelecom» заключили соглашение о взаимном признании электронной подписи между Россией и Азербайджаном

Читать далее 

21.04.2026

САКУРА 3.2 – новые возможности и улучшения

Читать далее 

21.04.2026

ЕМДЕВ выводит корпоративный портал Инкоманд на уровень 100% замещения Microsoft SharePoint

Читать далее 

показать все 

22.04.2026

Суверенные облака: стратегия на 2026–2028

Читать далее 

22.04.2026

Российское ПО дорожает: как обосновать бюджет?

Читать далее 

22.04.2026

Управление данными: искусство превращения хаоса в актив

Читать далее 

23.03.2026

Эволюция бизнес-процессов от ИИ-инструментов к мультиагентным командам

Читать далее 

23.03.2026

Время внедрения: ИИ в вашем бизнесе – эксперимент или реальная прибыль?

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