Консалтинговая группа "Текарт" - центр компетенции "Робототехника".

Подробнее...
Основное меню
Категории новостей
Логотип

Российские ученые нашли способ ускорить считывание платежных QR-кодов до 40 миллисекунд

Достичь такой скорости удалось за счет использования новой прорывной технологии – 4,6-битной квантизации нейронных сетей, - разработанной учеными Smart Engines.

Клиенты 10 из 13 системно значимых банков смогут значительно быстрее совершать платежи в интернет-банках с технологией российской компании Smart Engines. Теперь время, необходимое для распознавания платежного QR-кода, сократилось вдвое и составляет в среднем 40 миллисекунд. Достичь такой скорости удалось за счет использования новой прорывной технологии – 4,6-битной квантизации нейронных сетей, - разработанной учеными компании. Разработка будет доступен всем клиентам в новой версии программного продукта Smart Code Engine 2.4.0.

Задача распознавания платежных QR-кодов является значительно более сложной, нежели считывание классических линейных штрих-кодов. Они физически больше и содержат десятки реквизитов, что делает их распознавание и декодирование более времязатратным. К тому же чем больше в коде элементов – тем сложнее его корректно распознать.

"Квантование нейросетей – это завершающий этап построения быстрых и экономичных ИИ-решений. Это вершина айсберга. Вопрос минимально необходимого объема вычислительных ресурсов для задач ИИ – интереснейший научный вопрос, далекий от решения. Известно, что большие нейросети учить легче, чем маленькие, но это не значит, что маленькие потенциально хуже. И чем больше вы уже сэкономили, тем хуже работают все остальные технологии ускорения и уменьшения ИИ. А наши модели мы ускоряем годами. И даже на таких "высушенных" нейросетях новая технология 4,6-битного квантования дала значительный эффект. Это по-настоящему интересно", – комментирует технический директор Smart Engines, доктор технических наук Дмитрий Николаев.

4,6-битные сети – это качественное улучшение 8-битной модели, предложенное учеными Smart Engines. Она работает быстрее 8-битной модели на 40%, но практически не уступает ей по качеству за счет более эффективного использования особенностей центральных процессоров мобильных устройств. Для этого входные данные и коэффициенты модели квантуются таким образом, чтобы их произведения помещались в 8-битные регистры. Суммирование результатов сделано с помощью двухуровневой системы 16- и 32-битных аккумуляторов для достижения максимальной эффективности. В результате в среднем на одно значение приходится 4,6-бита информации.

Ранее в среднем на распознавание одного платежного QR у ИИ Smart Engines уходило 100 миллисекунд. Теперь – вдвое меньше. Более того, считывание платежных QR-кодов — это всего лишь одна задача, для решения которой применяется модель 4,6-битных нейронных сетей. И на эту технологию у компании есть большие планы.

"В ежедневном банкинге скорость – это удобство. А удобство – это причина, по которой пользователи выбирают современные банки. Мы стараемся обеспечить нашим клиентам максимальное удобство для пользователя, используя разработанные нами передовые методы искусственного интеллекта, такие как малобитные сети, 4,6-битные сети и специальные сверхкомпактные модели нейронных сетей", – комментирует генеральный директор Smart Engines, доктор технических наук Владимир Арлазаров.

Совершать покупки подобным образом могут и клиенты тех банков, чьи приложения были удалены из магазинов App Store и Google Play. Для сканирования баркодов через интернет-браузер используется технология WebAssembly, позволяющая запускать программы непосредственно на веб-странице интернет-банка на смартфоне. Решение позволяет владельцам смартфонов использовать привычный способ оплаты, если нет возможности сделать это через мобильное приложение.

Технологиям Smart Engines доверяют Газпромбанк, ВТБ, Альфа-Банк, МКБ, «Открытие», Росбанк, Т-Банк (Тинькофф), Промсвязьбанк, Райффайзен Банк, Совкомбанк.

Комментарии

(0) Добавить комментарий

Ищите команду разработчиков? Не можете найти робота для своих нужд? Пишите нам!

Для обратной связи укажите ваш E-mail, он будет доступен только администратору. Так вы сможете оперативно узнать, когда ответ на ваш вопрос будет опубликован



Новые комментарии

Университет Иннополис разработал VR-тренажёр для работы с роботами
Зайцев Станислав
20.06.2024
05:27:16
Автор цитаты указан не верно, это сказал Зайцев Станислав, старший инженер-программист ,разработчик центра робототехники вот пруфы https://t.me/Pro_XR/37
Civ Robotics выпустила CivDash - решение для автоматизации нанесения дорожной разметки
Гость
13.06.2024
07:59:49
Круто наверное наносить дорожную разметку из балончика )))