BAUR (Störer-Detektion):\\
Betroffene Rechner: dev01, frontend01\\
Ansprechpartner: Björn\\
Anmerkungen:


  * Die Bausteine liegen in dev01:/home/picalike/baur
  * Ablauf ist folgendermaßen:


  * Baur lädt eine Feeddatei auf den “FTP-Server” hoch (zu finden unter frontend01:/home/baur/data/)
  * Dies sollte nicht häufiger als alle 2 Wochen geschehen (kaufmännische Entscheidung)
  * per Cronjob wird montags um 12:00 Uhr geprüft, ob eine neue Datei vorhanden ist
  * Wenn ja, wird Enrichment durchgeführt und das Ergebnis auf den “FTP-Server” hochgeladen, ansonsten geschieht nichts
  * (so der Plan)
  * Bei unplanmäßigen Enrichment-Wünschen muss das Skript picalike@dev01:/home/picalike/baur/update_process.bash ausgeführt werden
  * Dieser Prozess sollte ggf. auf index03 migriert werden, dazu ist aber in der aktuellen Fassung eine aktualisierte Version des Indexers nötig
  * Der aktuelle Algorithmus zur Störererkennung ist sehr simpel, funktioniert aber bei Bademoden-Bildern recht gut
  * Ein Versuch auf anderen Bilder (von Unito) führte zu sehr vielen Fehldetektionen (es wurden nicht ausschließlich Bademode-Bilder verwendet)
  * Alternatives Verfahren: Per Convnets auf den 4096/9206 Features Klassifikator trainiert, Ergebnisse waren gut, braucht aber noch mehr Forschung/Training, damit es auch bei anderen Kunden gut funktioniert (Unito)

====== Komponenten ======

Der ConvNet-Extractor+Classifier läuft in unito2mongo.py. Der Dienst hängt von theano/numpy ab und weiterhin von der V4-Maschinerie (oyster_learn, extractor, picolibs) und Dienste wie die ImageCloud.