Как мы учили computer vision искать потерянных питомцев
В проекте «Найди друга» мы сделали ставку не на обычную классификацию, а на similarity search: фото превращаем в вектор, сравниваем по cosine similarity и ищем того самого питомца среди реальных изменений внешности.
В проекте «Найди друга» мы пошли не в обычную классификацию, а в similarity search. Почему? Потому что в жизни всё не как на идеальных Kaggle-картинках: питомец может похудеть, испачкаться, сменить ракурс и вообще выглядеть после побега как после хакатона 😅
Что сделали: фото → вектор → cosine similarity / ANN.
Модель обучили на специфичном датасете: породы, окрас, уникальные метки. Дальше ищем не “это точно корги”, а насколько этот питомец похож на того самого.
Чтобы поиск был быстрым на реальных объёмах, используем approximate nearest neighbors. А при совпадении в нужном радиусе отправляем push-уведомления — пока все спорят, заменит ли AI всё подряд, мы радуемся более приземлённому: сотням воссоединённых питомцев среди 50 000+ пользователей.
Когда CV решает не vanity-задачу, а реально возвращает друга домой — это уже не хайп, а good tech.