Ключевые проекты и достижения:

1. Обучение и переобучение моделей

• Разработка пайплайна обучения для моделей детекции и сегментации (Pytorch+Pytorch Lightning + ClearML)

• Разработал пайплайн создания и версионирования датасетов (ClearML)

2. Система подсчёта животных в реальном времени (Computer Vision + MLOps)

• Создал end-to-end решение на базе YOLOv8 + ByteTrack с учётом fisheye-искажений камер.

• Достигнута точность 99% (верифицировано ручным подсчётом).

• Ускорил инференс в 3.5x через TensorRT и оптимизацию постобработки.

Технологии: YOLO, ByteTrack, OpenCV, TensorRT, Triton,  Prometheus, FastAPI, Docker

3. Мониторинг корма в кормушках (Fullstack CV-решение)

• Обучил кастомную детекционную модель (accuracy 99%, FPS=10 на Tesla V100).

• Построил микросервисную архитектуру:

Backend: FastAPI + Triton (инференс), Prefect (оркестрация задач).

Data Pipeline: MinIO (хранение), PostgreSQL (результаты), Grafana (дашборды), Prometheus.

4. Определение заболеваемости животных

• Реализовал гибридный пайплайн: сегментация (YOLOv8-seg) + данные тепловизора.

• Настроил автоматические алерты в Grafana при отклонениях от нормы.

5. Анализ комфортных зон для животных

• Реализовал алгоритм для выявления суточного распределения животных в загоне на основе детекции.

• Реализовал end-to-end пайплайн по контролю за температурой полов в загоне для молодняка (сегментация + тепловизор + Grafana)

6. Фиксация выгрузки урожая (Video Analytics)

Разработал алгоритм усреднения предсказаний по временным кадрам.

Применил DINO + similarity search для фильтрации нерелевантных видео при сборе данных.

7. Data Pipeline (Big Data для CV)

• Построил отказоустойчивый ETL на Prefect с записью данных в  MinIO и MongoDB.

• Разработал пайплайн semi-supervised разметки с двумя моделямии, загрузки предсказаний в CVAT для валидации и дальнейшего автоматического распределения данных после этого.

Технологии: FastAPI, Docker, MongoDB, CVAT SDK, Datumaro, Triton, TensorRT

Технологический стек

Computer Vision: Детекция, Сегментация, ByteTrack, OpenCV. ML/DL: PyTorch, TensorRT, ONNX, DINO. MLOps: ClearML, Triton, Kubernetes (основы), Prometheus/Grafana. Data Engineering: Prefect, MinIO, PostgreSQL, MongoDB, Redis, Kafka. Инфраструктура: Docker, микросервисы (FastAPI).