О чём рассказывается в презентации:
Презентация посвящена видеоаналитике в реальном времени и охватывает ключевые аспекты, включая преодоление задержек и масштабирование систем. Рассматриваются проблемы, возникающие при обработке большого количества видеопотоков, а также важность интеграции с существующими системами. Участники узнают о современных решениях для достижения высокой точности и надежности в условиях реальной эксплуатации.
Оглавление
Видеоаналитика в реальном времени: От модели к production-решению
Реальное время требует задержки менее 100 мс для видеоаналитики
Масштабирование на 100+ камер вызывает перегрузку ресурсов
Data drift снижает точность модели на 20-30% за месяц
Интеграция с legacy-системами занимает 40% времени проекта
Hardware для edge требует баланса мощности и энергопотребления
Квантизация модели снижает размер на 4x без потери точности
Kafka обеспечивает надежный стриминг видео с буферизацией
Kubernetes оркестрирует поды для авто-масштабирования
Edge computing распределяет нагрузку на камеры с TPU
Prometheus мониторит drift и метрики в реал-тайм
OAuth и TLS обеспечивают безопасность потоков
MLOps pipeline с GitOps ускоряет деплой в 5 раз
Точность распознавания достигает 99.7% в production
Рынок видеоаналитики вырастет до $74.6 млрд к 2027 году
Кейс Smart Fraud Detection выявляет подозрения в реал-тайм
Ключ к успешной видеоаналитике — комплексный подход
Спасибо за внимание!
