Сначала рулетка — потом нейросеть 🦾

Принято считать, что разработка ИИ - это непыльная работа за ноутбуком или ПК. Решили побыть разрушителями мифов и показать кадры одного рабочего дня NeuroCore.

Про то, как собирали фуру в офисе для имитации работы погрузчика, мы уже рассказывали. Еще один динамичный день в работах по этому проекту:

✅Съездили на склад с зоной выгрузки, замерили высоту осмотра кузова, уточнили зону обзора

✅Настроили освещение, чтобы лидар работал стабильно при любом уровне внешнего света

✅Распечатали на 3D-принтере детали и собрали подвижный механизм под лидар с шаговыми моторами

✅Протестировали движение, калибровку и рабочую высоту сканирования.

Зачем мы все это делаем?

Потому что лидар - не универсальный сенсор. Его нужно правильно расположить, учесть все углы, высоты и отражения. Ошибёшься на пару сантиметров - будет ошибаться и модель.

Мы строим систему, которая должна работать не на демо, а в реальных условиях. Поэтому сначала - руки и расчёты, а потом код.

Хотите больше лайва и внутрянки работы разработчика ИИ на канале? Сигнальте реакциями 😊, а мы будем стараться для вас ✅

99% точности? А как насчёт 99% неожиданностей?

Пока другие хвастаются кейсами, мы врываемся в ваш четверг с АНТИКЕЙСАМИ.

Ведь не всё в проектах идёт по плану - и это нормально. Потому не боимся говорить о сложностях и делиться опытом, который помог нам усилиться в разметке данных и разработке ИИ.

🐷Антикейс: разметка свиней

Клиент прислал тестовый датасет: 20 фото, по 10–15 хрюшек на каждом. Задача казалась простой. Подписали договор и стартанули.

А потом пришёл реальный датасет: в каждом кадре уже по 60–70 свиней. Плотность животных на фото - как на парковке ТЦ перед праздниками.

Разметчики столкнулись с тем, чего не было в тесте:

👀кадр перегружен, объекты слипаются, не видно границ

👀отрисовать по 60 контуров — это не «пара минут на картинку», а полчаса и больше

👀системы начинают лагать, всё тормозит.

Падает скорость. Падает точность. Люди выдыхаются. Сроки растут.

Разумеется, мы выкрутились и сдали проект, а еще - сделали полезные выводы:

✅теперь платим и считаем бюджет разметки не за картинку, а за объект

✅тестовые выборки запрашиваем реальные, а не «красивые»

✅просим включать в тест даже самые тяжёлые случаи. Чтобы потом не было сюрпризов.

Важно: заказчику нужен результат не меньше, чем нам. Чем точнее мы оцениваем задачу — тем честнее сроки и меньше рисков для всех.

В карточках к посту ещё три антикейса: металл, биометрия и эстонская таблица.
Наши грабли, от которых уберегаем всех, кто работает с данными.

И даже если все вокруг будут делиться только успешным успехом, мы останемся честными с вами: продолжим открыто говорить о том, что иногда ИИ и разметка данных для ИИ - это боль. Конечно, если поддержите пост реакциями, а как без этого?🌻