Comexp Research Lab представила российскую архитектуру компьютерного зрения на обычных процессорах

Цифровизация Искусственный интеллект

26 Июня 2026 15:21 26 Июн 2026 15:21

| Поделиться

Comexp Research Lab представила российскую архитектуру компьютерного зрения на обычных процессорах

Российская компания Comexp Research Lab объявила о разработке архитектуры TAPe+ML v2 для задач компьютерного зрения. Решение распознает объекты на изображениях с качеством, сравнимым с лучшими мировыми моделями, но при этом может работать на стандартных серверных процессорах (CPU) и не требует дорогих видеокарт. Об этом CNews сообщили представители Comexp Research Lab.

Решение построено на собственных математических алгоритмах и не использует зарубежные наработки и архитектуры. TAPe+ML v2 может решать любые задачи компьютерного зрения: находить и обводить объекты на кадрах (детекция), определять, что именно изображено (классификация), выделять контуры объектов (сегментация). Также доступна прямо в браузере на платформе компании автоматическая разметка, которая при необходимости помогает ручной разметке изображений. При этом под каждую задачу не требуется своя отдельная нейросеть — используется единое ядро.

Модель содержит менее 100 тыс. параметров — условных «настроек», от которых зависит сложность и «тяжесть» нейросети. Для сравнения: популярные зарубежные аналоги содержат от десятков миллионов до миллиардов параметров. Это означает, что TAPe+ML v2 требует значительно меньше вычислительных мощностей. Архитектура работает на edge-устройствах, CPU-серверах, в том числе под управлением отечественной операционной системы «Ред ОС», и не нуждается в видеокартах Nvidia, что снижает в том числе и зависимость от зарубежного оборудования.

Результаты тестов

Импортозамещение в слепой зоне: как госсектору и КИИ легально управлять паролями в 2026 г.
БезопасностьНа международном датасете COCO, используемом для оценки систем компьютерного зрения, TAPe+ML v2 показывает уровень точности, сопоставимый с тяжелыми моделями, которые содержат в тысячи раз больше параметров (меньше ста тысяч против десятков и даже сотен миллионов). На другом популярном тесте ImageNet, где проверяется способность модели правильно узнавать объекты на фотографиях, точность TAPe+ML v2 на уровне 86,6%. Для сравнения: мировые модели с близкими показателями также требуют от сотен миллионов до миллиардов параметров.

Для заказчиков компания предлагает ML-стенд TAPe+ML — платформу для адаптации модели под конкретную задачу. В простых случаях модель можно донастроить под новые классы объектов без полного переобучения. Стенд также поддерживает режим автоматической разметки: специалист отмечает объекты на нескольких изображениях, после чего модель начинает размечать остальные кадры самостоятельно, постепенно обучаясь на правках оператора.

• VK Tech проведёт в Москве конференцию VK Cloud Conf 2026 об облаке, ИИ и данных

Поделиться

Подписаться на новости

Короткая ссылка