SmartOffice PS3060U

PS3060U прекрасно подходит для офиса и малого бизнеса. А благодаря специальной сумке для транспортировки, он подойдет и для мобильных людей. Сумка для переноски предназначена для безопасного перемещения сканера, куда бы Вы ни отправились. Сумка с верхней загрузкой оснащена удобным плечевым ремнем и имеет удобный клапан, обеспечивающий быстрый доступ к сканеру.

Компактный PS3060U легко поместится на любой рабочий стол. Его конструкция позволяет складывать верхнюю крышку и выходной лоток при завершении сканирования.

Многие задаются вопросом — насколько медленный Python в операциях декодирования? Правда ли, что компилируемые языки дают прирост скорости во всем, чего касаются? Что быстрее: OpenCV или ничего? Ответы на эти и другие бесполезные вопросы под катом вы прочитать не сможете. Там обычное скучное исследование производительности в конкретной задаче.
Все заинтересовавшиеся, добро пожаловать!

Вот бывает же в жизни такой, сидишь себе не шалишь, никого не трогаешь, починяешь примус, а тут из этого примуса, из телевизора, да и вообще из каждого утюга, до тебя доносится: «нейронные сети, глубокое обучение, искусственный интеллект, цифровая экономика…».

Я — человек, а значит существо любопытное и алчное . В очередной раз не удержался и решил узнать на практике, что такое нейронные сети и с чем их едят.
Как говориться: «Хочешь научиться сам — начни учить других», на этом я перестану сыпать цитатами и перейдем к делу.

В данной статье мы вместе с вами попробуем, решить задачу, которая как оказалось будоражит не только мой ум. Не имея достаточных фундаментальных знаний в области математики и программирования мы попробуем в реальном времени классифицировать изображения с веб-камеры, с помощью OpenCV и библиотеки машинного для языка Python — PyTorch. По пути узнаем о некоторых моментах, которые могли бы быть полезны новичкам в применении ней

Отправка данных осуществляется с помощью объекта HTTPСоединение по протоколу HTTPS (с установкой ЗащищенноеСоединениеOpenSSL) и метода ОтправитьДляОбработки. В него передается HTTPЗапрос с сформриованным json файлом для отправки, заданным через метод УстановитьТелоИзДвоичныхДанных. В json-ответе Google нас интересует первый элемент с именем свойства description и его значение, в котором будет содержаться распознанный текст.

Попробуем отправить на распознавание картинку с английским текстом:

И вот что приходит в ответ, приведу фрагмент текста:

Как видно, получается очень хорошее качество распознавания.

А теперь попробуем русский текст:

И вот что получается в ответе от Google:

Да, печальный итог. Но, как подсказали в комментариях, оказывается нужно в запросе у свойства imageContext поставить languageHints в ru.

Дальше – больше

Первые российские ECM появились на рынке в середине 1990-х. С того времени системы накопили большие объёмы данных, рутинная обработка которых – почва для внедрения и развития интеллектуальных сервисов. ИИ решения – абсолютно логичное развитие ECM-систем. Об этом вендоры упоминали еще в прошлом году.

Уже сегодня в ECM применяют алгоритмы искусственного интеллекта для распознавания документов, извлечения и классификации данных, определения ответственного, сравнения документов, поиска информации, расчета рисков, предлагают программных роботов для расширения вариантов взаимодействия с системой и других задач. И это далеко не все возможности ИИ.

А какие интеллектуальные механизмы внедрены в вашей организации?