

Классификация авто
Сервис построен на базе модели efficientnetv2 и обучен на наборе данных, содержащем более пяти тысяч моделей авто, разделенных по поколениям. Сервис позволяет распознавать более 5 тысяч моделей автомобилей по фотографии/скриншоту.
Лицензия
Other
Описание
Сервис построен на базе модели efficientnetv2 и обучен на наборе данных, содержащем более пяти тысяч моделей авто, разделенных по поколениям. Сервис позволяет распознавать более 5 тысяч моделей автомобилей по фотографии/скриншоту.
Примеры бизнес-сценариев
- Контроль доступа на территорию выбранных марок машин (коттеджные поселки, жилые комплексы, территория офисов, производственных предприятий, АЗС и т.д.);
- Контроль за соблюдением правил дорожного движения
- Автоматизация пропускных систем
Бизнес-преимущества
- Экономия трудозатрат на ручной мониторинг транспорта;
- Ускорение процессов, связанных с распознаванием марки авто благодаря более оперативной оцифровке данных и попаданию их в соответствующие системы;
- Избежание ошибок человеческого фактора за счет хорошей точности распознавания (более 85% точности);
- Использование собранных данных по маркам авто для различных маркетинговых целей: аналитика и построение маркетинговых и коммуникационных кампаний.
Пример взаимодействия
После того как вы запустили сервис, получили адрес и создали API-токен для запросов, можно начать делать запросы на распознавание модели авто.
Форма запроса:
{ "image": ["Изображение в кодировке base64"] }
Форма ответа:
{"predictions":"Модель автомобиля"}
Пример запроса на Python:
import base64
import requests
BASE_URL = "https://mlspace.aicloud.sbercloud.ru/deployments/<region>/<deploy_name>/v1/models/<deploy_name>:predict"
with open('test_image.jpg', 'rb') as fp:
encoded_string = base64.b64encode(fp.read()).decode('utf-8')
results = requests.post(
BASE_URL,
json={
"image": encoded_string
},
headers={
"x-workspace-id": "<your_workspace_id>",
"content-type":"application/json",
"x-api-key":"<your_api_key>"
}
)
Пример ответа
{"predictions":"toyota camry 8th"}