Clock drawing test (machine learning) �Вторая итерация

1

Постановка задачи

• Представление каждого сервиса docker контейнером.
• Реализация REST-API на серверной части
• Реализация приёма REST-запросов на ML сервисе
• Извлечение расположения цифр и других объектов на изображении на ML сервисе
• Формирование логики оценки на ML сервисе

2

27.03.2023

​

Методы решения, технологии

• При выполнении задач для данной итерации, связанных с методами машинного обучения, использовалась библиотека EasyOCR от JaidedAI.

3

27.03.2023

​

Результат (Docker-контейнеризация)

• mse1h2024-clock-ml-backend — контейнер серверной части
• mse1h2024-clock-ml-frontend — контейнер пользовательского интерфейса
• mse1h2024-clock-ml-processing — контейнер ml сервиса

• Было проведена организация проекта по docker-контейнерам. Используются следующие docker-контейнеры:

• Для сборки и запуска проекта необходимо ввести:
• docker-compose up --build

4

27.03.2023

​

Результат (REST-API)

• Между пользовательским интерфейсом и серверной частью
• Между серверной частью и ML сервисом

• Была реализована REST-API передача запросов в следующих частях проекта:

5

27.03.2023

​

Результат (Извлечение расположения цифр)

• Было реализовано извлечение расположения цифр из картинки, передаваемой на ML сервис. Для реализации извлечения использовалась библиотека EasyOCR.

6

27.03.2023

​

Результат (Формирование логики оценки)

• На ML сервисе было реализовано формирование логики оценки. Оценка происходит после извлечения круга циферблата, стрелок и чисел часов.

7

27.03.2023

​

Планы на следующую итерацию

• Реализация передачи сообщений через RabbitMQ.
• Написание интеграционных и функциональных тестов

​

8

27.03.2023

​

Спасибо за внимание!

9