AI/ML: тегирование видеопотока

Построить хранилище для загрузки большого количества видеоматериалов для дальнейшего его анализа. Построить систему для автоматического анализа видео. Система должна обеспечивать возможность одновременной работы с видеоанализом для не менее 10 пользователей и быть линейно-масштабируемой для увеличения количества пользователей до 500.

Для решения задачи использовались современные State of the art модели машинного обучения. Используемая модель основывается на сверточных нейронных сетях, что позволяет ускорить процесс ее обучения для прогнозирования используя GPU. Таким образом, при наличии в кластере достаточно мощной GPU, можно достичь около real time производительности прогноза (количество обрабатываемых моделью кадров в секунду приближается к показателю FPS). Модуль позволяет параллельно размечать видео (фото) материал, на основании чего дальше будет учиться модель.

Построена многоузловая линейно-масштабируемая платформа для автоматического анализа видео с помощью аппаратных графических процессоров, что позволило значительно повысить производительность узла кластера. Разработан интерфейс для ведения видеотеки, ее просмотра и анализа, функционал позволяет загружать видео и выбирать модели анализа для его обработки.