Наука

Smart Engines — коммерческая компания и научная организация, ведущая исследования в области искусственного интеллекта. В нашей команде более 60 человек, большинство из которых заняты решением исследовательских задач. Среди них 2 доктора наук и 16 кандидатов наук.

Сотрудники Smart Engines преподают на кафедре когнитивных технологий в МФТИ, выступают на ведущих международных конференциях (ICDAR, ICIP, ICMV и др.) и публикуются в высокорейтинговых научных журналах. Компания является членом IAPR (International Association for Pattern Recognition). Один из основателей Smart Engines начал заниматься задачами искусственного интеллекта еще во времена СССР, разрабатывая первые шахматные программы, которые обыгрывали чемпионов мира.

Из наших научных достижений можно отметить победу команды Smart Engines в международном конкурсе по бинаризации документов DIBCO 2017 (Document Image Binarization Competition, конференция ICDAR 2017, 9-15 ноября 2017 г. Киото, Япония) и 3-е место в международном соревновании разработчиков в дисциплине «SMARTPHONE DOCUMENT CAPTURE» (конференция ICDAR 2015, 23-26 августа 2015 г., Нанси, Франция).

По вопросам стажировки и работы в компании можно обращаться на job@smartengines.ru.

КАФЕДРА В МФТИ

Компания Smart Engines — базовая организация Кафедры когнитивных технологий МФТИ. На кафедре студенты 3-6 курсов проходят обучение по программам подготовки бакалавров и магистров по направлениям «Прикладная математика и информатика» и «Прикладные математика и физика».

Читаемые курсы:

• Эффективные структуры данных и алгоритмы, их построение и анализ
• Современные языки и платформы программирования
• Информационная безопасность
• Моделирование колесных роботов
• Машинное обучение и нейронные сети
• Индустриальные распознающие системы
• Интеллектуальные информационные системы
• Комбинаторные алгоритмы оптимизации
• Технология синтеза и распознавания речи
• Обработка и анализ изображений и видеопотоков
• Оптимизация вычислений на современных процессорных архитектурах
• Техническое зрение и распознавание трехмерных сцен
• Управление IT-проектами

Руководит кафедрой директор по науке Smart Engines, член-корреспондент РАН, д.т.н., профессор Арлазаров Владимир Львович.

Перейти на сайт кафедры

НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ

Технологии распознавания документов

При распознавании документов в видеопотоке и на фотографиях мы имеем дело с неконтролируемыми условиями съемки и неизвестными параметрами съемочной аппаратуры. При распознавании непосредственно на мобильном устройстве решающее значение имеют вычислительная сложность применяемых методов, а также размер загружаемых данных (включая параметры ИНС). В общем случае релевантность вводимых в систему данных сильно зависит от пользователя, что требует высокой отказоустойчивости создаваемых нами алгоритмов.

Вычислительная визуализация и томография

Машинное зрение, будучи одним из мощнейших методов неразрушающего контроля в оптическом диапазоне, все же ограничено изучением лишь поверхности объектов. Чтобы «заглянуть внутрь» и изучить их трёхмерную внутреннюю структуру (а такая необходимость возникает в медицине, промышленной диагностике, в научных лабораториях) требуется использование метода компьютерной томографии.

Наша команда ведет разработки в области создания томографического программного обеспечения для:

• калибровки и юстировки томографов нового поколения
• выполнения оптимизированной (кастомизированной) реконструкции изображений из данных, собранных в трудных условиях (сверхмалые дозы, томосинтез, наличие сильнопоглощающих включений в объекте и пр.)
• вычислительной визуализации с функциями автоматической обработки и семантического анализа результатов

МЕЖДУНАРОДНЫЕ КОНФЕРЕНЦИИ

The 15th International Conference on Document Analysis and Recognition (ICDAR 2019)
September 20-25, 2019, Sydney, Australia

Перейти на сайт ICDAR 2019

The 12th International Conference on Machine Vision (ICMV 2019)
November 16-18, 2019, Amsterdam, The Netherlands

Генеральный директор Smart Engines к.т.н. Владимир Арлазаров является председателем научной секции Camera Based and Mobile Recognition на ICMV 2019.

Технический директор Smart Engines к.ф.-м.н. Дмитрий Николаев является председателем научной секции Advanced Imaging and Tomography на ICMV 2019.

Перейти на сайт ICMV 2019

ПУБЛИКАЦИИ СОТРУДНИКОВ

1. Two-step CNN framework for text line recognition in camera-captured images / Yulia S. Chernyshova, Alexander V. Sheshkus, Vladimir V. Arlazarov // IEEE Access, 2020 DOI: 10.1109/ACCESS.2020.2974051
2. HoughNet: neural network architecture for vanishing points detection / A. Sheshkus, A. Ingacheva, V. Arlazarov, D. Nikolaev // IEEE, 2019 International Conference on Document Analysis and Recognition (ICDAR) DOI: 10.1109/ICDAR.2019.00140
3. Fast Method of ID Documents Location and Type Identification for Mobile and Server Application / Natalya Skoryukina, Vladimir V. Arlazarov, Dmitry P. Nikolaev // IEEE, 2019 International Conference on Document Analysis and Recognition (ICDAR) DOI: 10.1109/ICDAR.2019.00141
4. Special Aspects of Matrix Operation Implementations for Low-Precision Neural Network Model on the Elbrus Platform / E.E. Limonova, M.I. Neiman-zade, V.L. Arlazarov // Bulletin of the South Ural StateUniversity. Ser. Mathematical Modelling, Programming & ComputerSoftware (Bulletin SUSU MMCS), 2020, vol. 13, no. 1, pp. 118–128 DOI: 10.14529/mmp200109
5. Calculation of a Vanishing Point by the Maximum Likelihood Estimation Method / I.A. Konovalenko, J.A. Shemiakina, I.A. Faradjev // Bulletin of the South Ural StateUniversity. Ser. Mathematical Modelling, Programming & ComputerSoftware (Bulletin SUSU MMCS), 2020, vol. 13, no. 1, pp. 107–117 DOI: 10.14529/mmp200108
6. Fast X-Ray Sum Calculation Algorithm for Computed Tomography Problem / K.B. Bulatov, M.V. Chukalina, D.P. Nikolaev // Bulletin of the South Ural StateUniversity. Ser. Mathematical Modelling, Programming & ComputerSoftware (Bulletin SUSU MMCS), 2020, vol. 13, no. 1, pp. 95–106 DOI: 10.14529/mmp200107
7. Transfer of a high-level knowledge in HoughNet neural network / Alexander V. Sheshkus, Dmitry Nikolaev // Proc. SPIE, Twelfth International Conference on Machine Vision (ICMV 2019) DOI: 10.1117/12.2559454
8. Bipolar Morphological Neural Networks: Convolution Without Multiplication / E. Limonova, D. Matveev, D. Nikolaev, V.V. Arlazarov // Proc. SPIE, Twelfth International Conference on Machine Vision (ICMV 2019) DOI: 10.1117/12.2559299
9. Using Special Text Points in the Recognition of Documents / Oleg A. Slavin // Cyber-Physical Systems: Advances in Design & Modelling. Studies in Systems, Decision and Control, vol 259. Springer, Cham DOI: 10.1007/978-3-030-32579-4_4
10. U-Net-bin: hacking the document image binarization contest / P.V. Bezmaternykh, D.A. Ilin, D.P. Nikolaev // Computer Optics. – 2019. – Vol. 43(5). – P. 825-832. DOI: 10.18287/2412-6179-2019-43-5-825-832
11. A Method to Reduce Errors of String Recognition Based on Combination of Several Recognition Results with Per-Character Alternatives / K.B. Bulatov // Bulletin of the South Ural StateUniversity. Ser. Mathematical Modelling, Programming & ComputerSoftware (Bulletin SUSU MMCS), 2019, vol. 12, no. 3, pp. 74–88 DOI: 10.14529/mmp190307
12. On optimal stopping strategies for text recognition in a video stream as an application of a monotone sequential decision model / K. Bulatov, N. Razumny, V.V. Arlazarov // International Journal on Document Analysis and Recognition (IJDAR) – 2019. – Vol. 22(3). – P. 303-314. DOI: 10.1007/s10032-019-00333-0
13. Performance Evaluation of a Recognition System on the VLIW Architecture by the Example of the Elbrus Platform / E.E. Limonova, N.A. Bocharov, N.B. Paramonov, D.S. Bogdanov, V.V. Arlazarov, O.A. Slavin, D.P. Nikolaev // Programming and Computer Software – 2019 . – Vol. 45(1). – P. 12-17. DOI: 10.1134/S0361768819010055
14. Effective real-time augmentation of training dataset for the neural networks learning / Alexander V. Gayer, Yulia S. Chernyshova, Alexander V. Sheshkus // Proc. SPIE, Eleventh International Conference on Machine Vision (ICMV 2018) DOI: 10.1117/12.2522969
15. 2D art recognition in uncontrolled conditions using one-shot learning / N.S. Skoryukina, D.P. Nikolaev, V.V. Arlazarov // Proc. SPIE, Eleventh International Conference on Machine Vision (ICMV 2018) DOI: 10.1117/12.2523017
16. Fast Hamming distance computation for 2D art recognition on VLIW-architecture in case of Elbrus platform / Elena Limonova, Natalya Skoryukina, Murad Neiman-zade // Proc. SPIE, Eleventh International Conference on Machine Vision (ICMV 2018) DOI: 10.1117/12.2523101
17. Convolutional Neural Network Structure Transformations for Complexity Reduction and Speed Improvement / E. Limonova, A. Sheshkus, A. Ivanova, D. Nikolaev // Pattern Recognition and Image Analysis – 2018. – Vol. 28(1). – P. 24-33. – DOI: 10.1134/S105466181801011X.

ДАТАСЕТ ДОКУМЕНТОВ MIDV-500

Накопленных до настоящего времени общедоступных наборов данных недостаточно для комплексного исследования вопросов распознавания документов на мобильных устройствах методами машинного обучения. Существующие датасеты полезны для отдельных задач обработки изображений документов на мобильных устройствах, но для создания и тестирования технологий распознавания удостоверяющих документов, требуются более специализированные датасеты.

Smart Engines представляет датасет видеоданных Mobile Identity Document Video (MIDV-500), состоящий из 500 видеоклипов для 50 различных типов документов, удостоверяющих личность. Поскольку документы, удостоверяющие личность, содержат персональные данные, все изображения исходных документов, используемые в MIDV-500, находятся или в открытом доступе или их распространение не нарушает авторские права.

Публикации про MIDV-500:

• MIDV-500: a dataset for identity document analysis and recognition on mobile devices in video stream / V.V. Arlazarov, K. Bulatov, T. Chernov, V.L. Arlazarov // Computer Optics. – 2019. – Vol. 43(5). – P. 818-824. DOI: 10.18287/2412-6179-2019-43-5-818-824
• MIDV-2019: Challenges of the modern mobile-based document OCR / Konstantin Bulatov, Daniil Matalov, Vladimir V. Arlazarov // Proc. SPIE, Twelfth International Conference on Machine Vision (ICMV 2019) DOI: 10.1117/12.2558438