TAPe+ML — компактное компьютерное зрение уровня SOTA для ваших задач

TAPe+ML — компактная платформа компьютерного зрения для CPU и Edge AI

TAPe+ML — платформа полного цикла для разработки, обучения и эксплуатации моделей компьютерного зрения. Она объединяет разметку данных, обучение, инференс и API для интеграции в прикладные системы.

Ключевое отличие — компактная архитектура с менее чем 100 000 параметров, ориентированная на эффективную работу на CPU, локальное развёртывание и применение на периферийных устройствах (Edge AI).

Ключевые технические показатели

• Менее 100 000 параметров — компактная архитектура компьютерного зрения.

• Около 8 мс на кадр на CPU — измеренная задержка инференса на Intel Xeon E5-2697 v2 @ 2,70 ГГц в условиях проведённого тестирования.

• 88,1% Top-1 accuracy на ImageNet-1k — опубликованный результат классификации.

• 65,3% mAP@50–95 на COCO — опубликованный показатель качества детекции.

• 80,7% AP50 для сегментации на COCO — опубликованный показатель качества сегментации.

Результаты относятся к соответствующим экспериментальным конфигурациям и датасетам. Скорость на другом оборудовании и на конкретных задачах зависит от условий эксплуатации.

Возможности платформы

• Детекция объектов, сегментация и классификация.

• Разметка данных и обучение собственных моделей.

• Автоматизация разметки похожих объектов после первичной разметки изображений.

• Инференс на CPU без обязательного GPU.

• Интеграция через API.

• Локальное развёртывание (On-Premise) и применение в сценариях Edge AI.

Для каких задач подходит

Промышленность: обнаружение дефектов, контроль качества продукции, анализ изображений и видеопотоков.

Ритейл: распознавание и классификация объектов, анализ визуальных данных.

Транспорт и логистика: обнаружение объектов и создание специализированных систем видеоаналитики.

Для кого предназначена

TAPe+ML подходит промышленным предприятиям, разработчикам систем компьютерного зрения и системным интеграторам, которым необходимо создавать собственные CV-решения с контролем над инфраструктурой и эффективным использованием вычислительных ресурсов.

Компактная архитектура, поддержка CPU-инференса и полный цикл работы с моделями позволяют рассматривать TAPe+ML для локальных и периферийных сценариев компьютерного зрения.

Научные публикации и технические материалы

• Научная публикация (arXiv): TAPe+ML: A Compact Structured Representation for Multi-Task Computer Vision — архитектура TAPe+ML v3, результаты испытаний и сравнительные бенчмарки.

• Хабр — результаты TAPe+ML v3: Превосходим SOTA в классификации, детекции и сегментации при менее 100 тыс. параметров — результаты на ImageNet-1k, COCO и других датасетах, сравнение с современными моделями компьютерного зрения.

• Хабр — технология TAPe+ML: Универсальная архитектура компьютерного зрения вместо патчей и «сырых» пикселей — принципы работы TAPe, отличия от CNN и трансформеров, особенности структурированного представления данных.