nkbtech

Всем привет! Рассказали о своем опыте работы с VLM в школе deepschool.ru. Кстати, на новом курсе CV Rocket будем читать лекции про визуальный трекинг объектов. Записывайтесь на курс, если интересно углубить свои знания!

Всем привет! Опубликовали нашу первую статью на VC — запускаем цикл материалов про реальные кейсы из компьютерного зрения и “железа” в проде. Стартуем с истории проекта, который мы внутри называем «спутник для двора»: как из 12 камер под крышами собрать единый bird-eye-view (почти как спутниковый снимок, но в высоком разрешении и обновляемый в реальном времени) и научить систему помогать с парковкой. В статье — максимально прикладные детали: - калибровка и компенсация “рыбьего глаза”; - репроекция на плоскость земли; - склейка панорамы и первые инсайты из таймлапсов; - две версии решения: классификация парковочных мест и детекция машин (YOLOv8 + OBB); - как упаковали всё в Docker и отдали пользователям через Telegram-бота. Ссылка на статью: vc.ru Если будет интересно — напишите в комментариях/в личку, какие части разобрать глубже (например, склейка, устойчивость к погоде/ночи, метрики и эксплуатация).

Всем привет! Новый выпуск Reading Club НКБТех — про Bounding Box Regression (BBR), то есть регрессию ограничивающих рамок в задаче детекции объектов. Качество детектора зависит не только от классификации, но и от того, насколько точно модель “подгоняет” бокс под объект — и здесь критично, какую loss-функцию вы используете. В видео обсуждаем: • типичную структуру one-stage детектора и где в ней живёт BBR; • что такое AABB и почему ориентация/параметризация бокса важны; • почему MSE/MAE часто дают не то поведение, которое хочется; • семейство IoU-based loss'ов: в чём сила и где ограничения; • разбор GIoU и DIoU и их практические минусы/плюсы. Оставляйте комментарии и пожелания по статьям и направлениям, которые было бы интересно разобрать! Смотреть выпуск: VK YouTube RUTUBE

Вышел новый выпуск Reading Club НКБТех — разбор статьи GhostNetV3. GhostNet — семейство “лёгких” моделей, заточенных под эффективность (скорость/память) без сильной просадки по качеству. В этом видео по шагам разбираем, как архитектура развивалась от GhostNetV1 к V2 и V3, и какие инженерные решения за этим стоят. Внутри: • GhostModule (V1) — базовая идея “дешёвых” признаков; • DFC Attention (V2) и сравнение с обычным self-attention; • почему авторы опираются на depth-wise свёртки; • ключевые идеи GhostNetV3, включая re-parameterization; • результаты, а также нюансы обучения: knowledge distillation, learning schedule, data augmentation. Запись: VK YouTube RUTUBE

13–15 мая участвуем в форуме «Территория НДТ» — площадке про технологии неразрушающего контроля в конгресс центре Бета Измайлово. Будем на стенде НКБТех, заходите познакомиться и обсудить задачи. У нас сейчас два направления НДТ-проектов, которые показываем и рассказываем на форуме: 1) Анализ рентгеновских снимков транспорта Помогаем автоматизировать контроль состава транспорта/грузов и одновременно оценивать качество самих снимков (чтобы выявлять проблемы с данными ещё на этапе получения). 2) Гиперспектральный анализ фруктов и овощей Для объективной оценки качества и раннего обнаружения порчи — когда внешне продукт ещё выглядит нормально, но изменения уже видны в спектре. Отдельно по итогам общения на форуме заметили высокий спрос на автоматизированный контроль сварных швов с использованием данных от разных датчиков: ультразвуковые антенные решётки, лазерные сканеры, классические камеры и рентген. Интересно, что на площадке есть отечественные решения по роботизированному снятию данных (кольцевые и линейные манипуляторы с датчиками), но запрос на “следующий слой” — интеллектуальную интерпретацию и объединение сенсоров — звучит всё чаще. К посту прикрепляем фото нашего стенда и несколько примеров роботизированных систем съёма данных по сварному шву (пока без нейросетей) — чтобы было видно, как выглядит «железная» часть задачи.

От лица компании поздравляем с Праздником Великой Победы! Нашим предкам, ветеранам и труженикам тыла, пришлось оставить мирную жизнь и ценой огромных жертв отстоять свободу и независимость нашей Родины. Без их Подвига не было бы нас! Мы с благодарностью вспоминаем всех, кто внёс свой вклад в Великую Победу, и берём пример с поколения Победителей. Наш долг — бережно хранить и передавать память о них и соответствовать статусу потомков. Мы помним! Мы гордимся!

Вышел новый выпуск нашего Reading Club НКБТех — на этот раз про Self-Supervised Learning (SSL) в компьютерном зрении. SSL — один из самых практичных способов выжать максимум из данных, когда разметки мало/она дорогая: сначала учимся на “сыром” массиве изображений без ручных меток, а потом дообучаемся под конкретную задачу. В видео обсуждаем: • почему supervised learning часто упирается в разметку и переносимость; • как выглядит типичный SSL pipeline; • эволюцию подходов: context-based → contrastive → clustering/self-distillation; • ключевые методы: DeepCluster, SimCLR, BYOL, DINO, SwAV; • и сравнение методов + список литературы. Таймкоды внутри — можно смотреть точечно по интересующим блокам. Запись: VK YouTube RUTUBE

Возвращаем Reading Club НКБТех — после паузы у нас накопилось много материала, которым хочется делиться. Reading Club — наша внутренняя традиция: кто-то из команды в рамках рабочей задачи глубже “копает” тему, делает небольшое обзорное исследование, а затем собирает всех коллег на презентацию. Это помогает держать общий контекст, быстрее обмениваться знаниями и находить идеи, которые потом уходят в реальные проекты. Новый выпуск: Detecting Out-of-Distribution Examples (OOD) В этом видео ведущий разработчик НКБТех Никита Ануров рассказывает про OOD (out-of-distribution) — методы обнаружения примеров *вне распределения данных* с использованием методов интерпретации. Зачем это нужно: - в проде данные почти всегда “ползут” и иногда прилетают выбросы/аномалии; - примеры, сильно непохожие на обучающую выборку, могут ломать предсказания и приводить к неожиданным ошибкам; - OOD-детекция — один из практичных способов вовремя заметить, что модель видит “что-то не то”, и правильно на это отреагировать. Ссылки на запись: VK YouTube RUTUBE

Недавно мы сходили на День карьеры в Сколтех — и это было очень бодро. Стенд НКБТех (сайт мы, кстати, тоже обновили) весь день собирал живой поток людей: много вопросов про проекты, реальные кейсы по компьютерному зрению, как устроена работа в команде, какие задачи “в проде”, и куда мы развиваем технологии дальше. Спасибо всем, кто подходил — было круто познакомиться и пообщаться. Если вы не успели подойти или хотите продолжить разговор — сейчас мы активно расширяем команду и ищем: • C++ разработчиков (высоконагруженные CV/робототехнические компоненты, производительность, продакшен) • Специалистов по SLAM (локализация/картирование, сенсор-фьюжн, работа с реальными данными) Откликнуться можно через нашего AI HR бота: @nkbtech_hr_bot Если знаете кого-то, кому это может быть интересно — будем благодарны за репост/рекомендацию. Об одном из проектов, продемонстрированном на стенде, расскажем в следущующей публикации. Пишите комментарии, что было бы интересно осветить.

Всем привет! Сколько времени вы тратите на отбор обучающих кадров вручную? ⏳ Мы в НКБтех собрали инструмент, который закрывает сразу несколько болей при подготовке данных для Computer Vision: 🔍 Поиск данных — парсинг с YouTube, RuTube и Telegram прямо из интерфейса ✂️ Умная нарезка и фильтрация — дедупликация по хэшам и эмбеддингам, оценка качества изображений, фильтрация через VLM ⚙️ Pipeline — собираете цепочку плагинов под свою задачу и запускаете одной кнопкой. За полторы минуты пайплайн на видео 30 FPS отобрал 7 кадров из 1530 — только те, что реально отличаются от существующего датасета 🏷️ CVAT интеграция — отправляете датасет на разметку и забираете аннотации обратно, не выходя из приложения 📊 Аналитика разметчиков — дашборд с графиками: кто сколько работал, сколько объектов изменил и как идёт прогресс по задачам Всё это — с интеграцией FiftyOne и без написания кода 😼 Заинтересовались? Пишите @nkbtech_main — расскажем подробнее и поможем адаптировать под вашу задачу 🚀 nkbtech.ru #computervision #datapreparation #cvat #fiftyone #mlops

Друзья, всем привет! 👋 После долгого затишья выходим на связь с итогами года. 1. Первый раз выступили со стендом на конференции технологического предпринимательства univerforum.ru. Показали MVP с детекцией парковочных мест. 2. Записали 20 выпусков Reading Club. Планируем опубликовать, ставьте огонечки, если интересно увидеть! 3. Расширили список компаний-партнеров. 4. Вступили в ассоциации компаний РУССОФТ russoft.org и АГРОНОУТ. 5. Получили IT аккредитацию. 6. Увеличили команду - расширяем компетенции Python/C++/Робототехника. Наши ребята - лучшие в своем деле! 7. Прошли акселерацию в академии инноваторов в 7 потоке. Спасибо нашему ментору Максиму за новые мысли! Год змеи 🐍 выдался достаточно насыщенный, от лица кампании НКБ Технологии хотим всем пожелать в новом году крепкого здоровья, благополучия в семье и исполнения самых заветных мечт! А лошадка 🐴 2026 года вам в этом обязательно поможет. С праздником!

А вот и эффекты 🔥 Прямая трансляция

Александр Неварко, генеральный директор ООО «НКБ Технологии», рассказывает про повышение удобства ЖК на примере умного мониторинга придомовой территории Прямая трансляция

А сегодня наш СЕО в Перми на форуме по цифровизации недвижимости рассказывает об одном из наших кейсов для Самолета.