System for training data management

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F06270743%3A_____%2F21%3AN0000002" target="_blank" >RIV/06270743:_____/21:N0000002 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

SW Systém pro správu kolekcí trénovacích dat

Original language description

Systém pro správu trénovacích dat pro modely vizuální podobnosti má dvě části – backend (vlastní technická správa dat a aplikační logika) a frontend (grafické rozhraní, se kterým pracují operátoři). Vývojový proces byl realizován v týmu se správou verzí pomocí technologie GIT (systém GitLab). Každá komponenta obsahuje systém automatizovaných testů, které se spouští vždy při buildu dané komponenty. Databáze (PostgreSQL), backend i frontend jsou zapouzdřeny pomocí technologie Docker a provozovány s využitím systému Kubernetes a Rancher.

Czech name

SW Systém pro správu kolekcí trénovacích dat

Czech description

—

Type

R - Software

CEP classification

—

OECD FORD branch

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Project

<a href="/en/project/FW03010573" target="_blank" >FW03010573: Visual search: industry-independent automated search by image</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2021

Confidentiality

C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.

Internal product ID

FW03010573-V2

Technical parameters

V2.1: Backend Backend systému byl realizován s využitím frameworku Django v programovacím jazyku Python. Tento systém definuje mj. databázové entity pro: ● jednotlivé trénovací obrázky (training image), ● různé druhy podobností např. "podobnost barev" (similarity type), ● skupiny vizuálně podobných obrázků v rámci daného typu (similarity group), ● tzv. "úlohy", které definují parametry trénovacího procesu a použitá data, ● a nakonec finální modely pro vizuální vyhledávání. Aplikace má tři standardní vrstvy: ● databázovou vrstvu implementovanou pomocí Django modelů, které vytvoří strukturu databázových entit a umožňují s nimi pracovat v Python kódu, ● aplikační vrstvu obsahující logiku nutnou ke správě entit a manipulací s nimi (detailnější popis funkcionality je v hlavním dokumentu závěrečné zprávy), ● a aplikační rozhraní (API) realizované jako HTTP REST API; autentizace je implementována pomocí API tokenů a autorizace pomocí správy uživatelů, skupin a systému oprávnění.

Economical parameters

Nasazení výsledku pro nového zákazníka má vždy dvě části: 1. fáze: vytvoření podobnostního modelu na míru zadání a datům, projektově (jednorázová částka), cca 20-60 tisíc Kč podle složitosti problému a dat a podle toho, jakou část práce udělá zákazník sám a jakou realizuje tým Ximilar; 2. fáze: provozování služby. Obecně má Ximilar ceny služeb SaaS podle počtu API dotazů za měsíc; existují různé měsíční cenové plány; služba Custom Visual Search byla zařazena do nejvyššího standardního plánu, tedy nejméně €450/měsíc. Tržby (a plánované tržby) z fáze 1 všech nových zákazníků: rok 2022: cca 420000, rok 2023: cca 840000, rok 2024: 1000000 Tržby (a plánované tržby) z provozu služeb: rok 2022: 1527000, rok 2023: 1940237, rok 2024: 3000000

Owner IČO

06270743

Owner name

Ximilar s.r.o.