spezial-loesungen
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.
spezial-loesungen.txt · Last modified: 2024/04/11 14:23 by 127.0.0.1