Проект исследований и разработок, над которым я работал стажером в 99x.
Исследования и разработки — одно из моих любимых направлений, поскольку вы сами проводите исследования и работаете над реализацией, а это значит, что у вас будет лучшее представление о проекте, который вы выполняете, и о проблеме, решаемой проектом.
На втором году обучения на бакалавриате я завершил еще один научно-исследовательский проект, прежде чем присоединиться к 99x в качестве стажера; тем не менее, эта статья будет посвящена исследованиям и разработкам, над которыми мне поручили работать во время моей стажировки.
Моей первой задачей в рамках проекта Norkart, на который меня назначили стажером, было исследование и разработка. Это была новая функция, которая будет реализована в приложении, над которым мы активно работали. Я был взволнован, так как это будет моим исследованием, и я смогу одновременно узнать что-то новое.
Задача, которую мне предстояло решить, была связана с извлечением показаний счетчиков и серийных номеров из фотографий счетчиков воды. Это требует науки о данных, и я был доволен, поскольку это входит в сферу моих интересов, поэтому я буду больше сосредоточен на своей страсти.
Я знал, что OCR (оптическое распознавание символов) будет использоваться в этом случае, но я все еще искал в Google альтернативные способы решения подобных проблем, и я был уверен, что OCR был ожидаемым подходом для этой ситуации.
Позже я изучил множество платформ, предоставляющих этот сервис OCR, и смог определить четыре лучших подхода к реализации OCR, в том числе Vision AI от Google, Computer Vision от Azure Cognitive Services и следующие две библиотеки: pytesseract и keras- OCR.
Затем я использовал все четыре службы, наблюдая за тем, как они работают с точки зрения точности, скорости, надежности, поддерживаемого размера файла, стоимости и других факторов. Причина реализации всех четырех из них заключалась в том, чтобы определить, какое из них было лучшим долгосрочным решением для проекта, поэтому все мои выводы были рассмотрены с моим руководителем группы, а также с клиентом.
Поскольку компьютерное зрение Azure заняло первое место среди четырех служб, я приступил к созданию функциональности, используя тестовые изображения счетчиков воды, предоставленные клиентом. Хотя это было мое первое погружение в область лазурного ИИ, мне посчастливилось работать с Azure Cognitive Services и учиться у нее. Двигаясь дальше, я смог создать работающую службу API для этой проблемы и протестировать ее; до сих пор он вел себя очень хорошо, и я смог продемонстрировать его клиентам во время встреч.
Так что это был мой первый научно-исследовательский проект в качестве стажера по разработке программного обеспечения, и я с нетерпением жду продолжения в будущем.
Больше контента на plainenglish.io
