Récemment, une autre protection hivernale des diplômés de nos trois projets technologiques a eu lieu - Technopark (MSTU nommé d'après Bauman), Technosphere (Université d'État de Moscou nommée d'après Lomonosov) et Technotrek (MIPT). Les équipes ont présenté à la fois la mise en œuvre de leurs propres idées et les solutions aux vrais problèmes commerciaux proposées par les différents départements du groupe Mail.ru.
Parmi les projets:
- Service de vente de cadeaux en réalité augmentée.
- Un service qui regroupe les promotions, remises et offres de la liste de diffusion.
- Recherche visuelle des vêtements.
- Service de bookcrossing électronique avec possibilité de location.
- Scanner intelligent des aliments.
- Guide audio moderne.
- Projet «Tâches Mail.ru»
- Télévision mobile du futur.
Nous voulons parler davantage des six projets qui ont été particulièrement mis en avant par le jury et les mentors.
Recherche visuelle de vêtements
Le projet est présenté par une équipe de diplômés de la Technosphère. Selon les analystes, le marché de la mode en Russie en 2018 s'élevait à près de 2,4 billions de roubles. Les gars ont créé un service qui se positionne comme un assistant intelligent pour faire du shopping face à une grande variété de produits. Il s'agit d'une solution B2B qui étend les fonctionnalités des boutiques en ligne.
Lors des tests UX, les auteurs du projet ont découvert que sous une «robe similaire», les gens comprennent la similitude non pas dans la couleur ou le motif, mais dans les attributs vestimentaires. Par conséquent, les gars ont développé un système qui non seulement compare deux images, mais comprend la proximité sémantique. Vous chargez une image d'un vêtement qui vous intéresse et le service sélectionne les marchandises correspondant à ses attributs.
Techniquement, le système fonctionne comme suit:
Pour la détection et la classification, le réseau neuronal Cascade Mask-RCNN est formé. Pour déterminer les attributs et la similitude des vêtements, un réseau neuronal basé sur ResNext-50 avec plusieurs têtes pour les groupes d'attributs et la perte de triplet pour les photos d'un produit sont utilisés. L'ensemble du projet a été réalisé sur la base d'une architecture de microservices.
À l'avenir, il est prévu:
- Lancer un service pour toutes les catégories de vêtements.
- Développer une API pour les boutiques en ligne.
- Améliorez la manipulation des attributs.
- Apprenez à comprendre les requêtes en langage naturel.
Équipe du projet: Vladimir Belyaev, Petr Seidel, Emil Bogomolov.
TV mobile du futur
Équipe de projet Technopark. Les étudiants ont créé une application avec un programme de télévision pour les principales chaînes de diffusion numériques russes, à laquelle la fonction de visualisation des chaînes utilisant l'IPTV (chaînes en ligne) ou une antenne a été ajoutée.
Le plus difficile a été de connecter l'antenne à l'appareil Android: pour cela, un tuner a été utilisé, pour lequel les auteurs ont eux-mêmes écrit le pilote. En conséquence, ils ont eu la possibilité sur Android de regarder la télévision et d'utiliser le programme dans une seule application.
Équipe du projet: Konstantin Mitrakov, Sergey Lomachev.
Service, regroupement des promotions, remises et offres de la liste de diffusion
Il s'agit d'un projet à la jonction des technologies publicitaires et postales. Nos boîtes aux lettres sont pleines de spam et de mailings. Chaque jour, les lettres sont accompagnées de remises personnelles, mais nous les ouvrons de moins en moins, les percevant comme de la «publicité inutile». De ce fait, les utilisateurs perdent des bénéfices et les annonceurs subissent des pertes. Une étude de Mail.ru Mail a montré que les utilisateurs souhaitent voir un résumé de leurs remises.
Le projet
maildeal collecte des informations sur les remises et les promotions de votre liste de diffusion et les présente sous la forme d'un ruban de cartes à partir duquel vous pouvez vous rendre sur le site Web de la promotion ou dans une lettre. Le programme peut fonctionner avec plusieurs boîtes aux lettres à la fois. Il existe une liste de titres sélectionnés.
Le projet a une architecture de microservices et se compose de trois parties principales:
- Authentification OAuth pour une connexion pratique des boîtes aux lettres.
- Collecte et analyse de lettres avec actions.
- Stockage et affichage de cartes avec remises.
Le projet utilise une technologie de traitement du langage naturel utilisant des ressources GPU: les accélérateurs graphiques ont augmenté la vitesse de traitement de 50 fois. L'algorithme est basé sur un système de questions-réponses, qui vous permet d'ajouter rapidement des catégories de stock en fonction des nouvelles exigences commerciales.
Cette équipe a non seulement remporté une place dans les meilleures équipes selon le jury, mais a également remporté le concours «Digital Tops 2019». Il s'agit d'un concours de développeurs russes qui créent des outils informatiques pour augmenter l'efficacité des entreprises et des agences gouvernementales, ainsi que pour augmenter la productivité personnelle. Notre équipe a remporté la nomination étudiante.
Les étudiants ont de grands projets pour le développement futur du projet, à venir:
- Intégration avec les services de messagerie.
- Mise en place d'un système d'analyse d'images.
- Lancement du projet auprès d'un large public.
Équipe du projet: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Séparément, nous voulons parler de trois équipes qui ont été marquées par les mentors du groupe Mail.ru, qui ont travaillé avec des étudiants tout au long du semestre. Une attention particulière lors du choix des projets a été portée à la complexité du projet, à la mise en œuvre et au travail d'équipe.
Projet «Tâches Mail.ru»
Le projet a été noté par le jury et les mentors.
Mail.ru Tasks est le premier service de liste de tâches autonome développé par la société. Au cours des prochains mois, Tâches remplacera les listes de tâches dans le calendrier Mail.ru, et après l'inclusion du projet pour tous les utilisateurs, il sera intégré dans Mail.ru mobile et Web Mail.
Le projet a été mis en œuvre en utilisant les approches Offline-first et Mobile-first. Autrement dit, vous pouvez utiliser l'application Web à tout moment, n'importe où et sur n'importe quoi. L'accès à Internet n'a pas d'importance: les données seront enregistrées et synchronisées. Pour plus de commodité, vous pouvez "installer" l'application à partir du navigateur, et elle ressemblera à native.
Scanner intelligent des aliments
À l'épicerie, nous ne pouvons pas toujours déterminer rapidement si un produit alimentaire nous convient ou non, s'il est sécuritaire et sain. La situation est compliquée si une personne a des restrictions alimentaires, diverses allergies ou si elle suit un régime. L'application Foodwise Android vous permet de numériser le code-barres d'un produit et de voir s'il en vaut la peine
l'utiliser.
L'application comprend trois sections principales: «Profil», «Appareil photo» et «Historique».
Dans votre «Profil», vos préférences sont définies: dans la section «Ingrédients», vous pouvez exclure du régime n'importe lequel des 60 000 ingrédients répertoriés dans la base de données et lire des informations sur les suppléments électroniques. Les "groupes" vous permettent d'exclure immédiatement un bloc entier d'ingrédients. Par exemple, si vous spécifiez «végétarisme», tous les produits contenant de la viande seront surlignés en rouge.
Il existe deux modes dans la section «Appareil photo»: la numérisation des codes-barres et la reconnaissance des légumes et des fruits. Après avoir scanné le code-barres, vous obtiendrez toutes les informations sur le produit. Les ingrédients que vous excluez seront surlignés en rouge.
Dans "Historique" seront stockés tous les produits précédemment scannés. Cette section est équipée d'une recherche textuelle et vocale.
Le mode de reconnaissance des fruits et légumes vous permet d'obtenir des informations sur leurs valeurs nutritionnelles et énergétiques. Par exemple, une pomme contient environ 25 grammes.
glucides, ce qui est inacceptable pour les personnes ayant un régime pauvre en glucides.
L'application est écrite en Kotlin, dans la "Caméra" le Kit ML est utilisé pour scanner les codes-barres et identifier les fruits et légumes. Le backend se compose de deux services: l'API serveur avec la base de données, en
qui stocke 60 000 ingrédients et formulations de 100 000 produits, ainsi qu'un réseau de neurones écrit en Python et Tensorflow.
Équipe du projet: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Service de cadeau de réalité augmentée
Chaque personne au moins une fois dans sa vie a reçu des cadeaux symboliques. Souvent pour les gens, le fait d'attirer l'attention est plus important que le présent reçu. De tels cadeaux ne sont pas utiles, mais leur production et leur élimination ont un impact négatif sur la nature de notre planète. Les auteurs du projet ont donc eu l'idée de créer un service de vente de cadeaux en réalité augmentée.
Pour vérifier la pertinence de l'idée, a mené une étude. 82% des répondants ont été confrontés au problème du choix d'un cadeau. Pour 57% des répondants, la principale difficulté de choix était la crainte que leurs cadeaux ne soient pas utilisés. 78% des gens sont prêts à changer pour résoudre les problèmes environnementaux.
Les auteurs ont avancé trois points:
- Les cadeaux vivent dans un monde virtuel.
- Ne prenez pas de place.
- Toujours à proximité.
Pour implémenter la réalité augmentée sur le web, les auteurs ont choisi la bibliothèque AR.js, qui se compose de deux parties principales:
- Le premier est chargé de dessiner des graphiques au-dessus du flux de la caméra en utilisant A-Frame ou Three.js.
- La deuxième partie est ARToolKit, qui est responsable de la reconnaissance d'un marqueur (un caractère spécial qui peut être imprimé ou affiché sur l'écran d'un autre appareil) dans le flux de sortie de la caméra. Un marqueur est utilisé pour positionner les graphiques. La présence d'ARToolKit ne permet pas de créer une réalité augmentée sans marqueur à l'aide d'AR.js.
AR.js cache de nombreux «pièges». Par exemple, son utilisation avec A-Frame peut «casser» les styles à travers le site. Par conséquent, les auteurs ont utilisé le «bundle» AR.js + Three.js, qui a aidé à résoudre certains des problèmes. Et pour intégrer AR.js basé sur Three.js dans React, sur lequel le site Web du projet est écrit, j'ai dû créer un référentiel AR-Test-2 (
https://github.com/denisstasyev/AR-Test-2 ), dans lequel un fichier séparé Composant React pour l'utilisation d'AR.js basé sur Three.js. Le modèle a été visualisé en réalité augmentée et en 3D (pour les appareils sans caméra).
Cependant, il est devenu plus tard clair que les utilisateurs ne comprennent pas ce qu'est un marqueur et comment l'utiliser. Par conséquent, les auteurs sont passés à la technologie <model-viewer>, qui est maintenant activement développée par Google. Il utilise ARKit (iOS) ou ARCore (Android) pour afficher des modèles en réalité augmentée sans marqueur. La technologie est basée sur Three.js et comprend une visionneuse de modèle 3D. La convivialité du programme s'est considérablement améliorée, cependant, pour afficher la réalité augmentée, vous avez besoin d'un appareil avec iOS 12 ou version ultérieure.
Maintenant, le projet est disponible sur (
https://e-gifts.site/demo ), où vous pouvez recevoir votre premier cadeau.
Équipe du projet: Denis Stasiev, Anton Chadov.
Vous pouvez en savoir plus sur nos projets éducatifs sur
ce lien . Et vont souvent sur la chaîne
Technostream , de nouvelles vidéos pédagogiques sur la programmation, le développement et d'autres disciplines y apparaissent régulièrement.