---
title: "Pose Estimation для контроля сдачи экзаменов"
description: "Мы помогли создать систему контроля экзаменов, разметив 6 000 изображений для алгоритма распознавания поз студентов. Наш подход сократил время проекта и повысил качество данных, что…"
url: "https://data-light.ru/cases/pose-estimation-v-obrazovanii/"
date_modified: "2025-01-25T14:39:18+03:00"
language: "ru-RU"
---
Мы помогли создать систему контроля экзаменов, разметив 6 000 изображений для алгоритма распознавания поз студентов. Наш подход сократил время проекта и повысил качество данных, что помогло гарантировать высокую точность контроля.

## Шаблон Кейсов

### Секция описаний

**перечень основных тезисов (положений):**

- **Положение - тезис:** Объем данных: — **Описание тезиса - (его параметр, числовое значение):** 6 000 снимков — **Выберите картинку слева от описания:** weight
- **Положение - тезис:** Индустрия: — **Описание тезиса - (его параметр, числовое значение):** Образование — **Выберите картинку слева от описания:** industries
- **Положение - тезис:** Длительность проекта: — **Описание тезиса - (его параметр, числовое значение):** 3 месяца — **Выберите картинку слева от описания:** time

### задача-решение-результат

**Задача-результат:**

**Заглавие:** Задача: **Описание задачи:**

К нам обратился клиент из сферы образования, который искал решение для точной разметки поз людей на фотографиях. Основной целью проекта было использование данных для разработки и улучшения алгоритмов машинного обучения, способных определять позы студентов во время экзаменов.

##### Основные цели проекта:

1. **Обработка фотографий.** Нам необходимо было разметить 6 000 изображений.
2. **Обучение алгоритма.** Команде предстояло обучить модель распознавать человеческие позы в различных условиях для контроля за экзаменами. **решение:** Решение: **Блок: тезис - значение:**

- **Краткий тезис:** Итерационная разметка — **Аргумент: краткое описание пункта решения (тезиса):** Проект был разделен на три этапа, по 2 000 изображений каждый. В первой итерации наша команда вручную разметила изображения для создания начального набора данных. Далее клиент использовал этот набор для предразметки следующих итераций, что ускорило работу.
- **Краткий тезис:** Учет сложностей разметки — **Аргумент: краткое описание пункта решения (тезиса):** Множество людей на одном снимке требовали детальной разметки, включая такие параметры, как степень перекрытия объектов и положение тела.
- **Краткий тезис:** Специализированное обучение команды — **Аргумент: краткое описание пункта решения (тезиса):** Для обеспечения точности команда изучала анатомические изображения и видео, предоставленные клиентом, что помогало точнее определять ключевые точки на теле человека в разных позах. **Галерея изображений:**

![](https://data-light.ru/wp-content/uploads/2024/09/group1171275195.png)
![](https://data-light.ru/wp-content/uploads/2024/09/pose-estimation-dlya-kontrolya-sdachi-ekzamenov.png) **Результаты:** Результаты: **Результаты - тезисно:**

- **Тезис- подпункт решения:** Своевременная разметка — **Описание тезиса подпункта решения:** 2 000 снимков были вовремя размечены за каждую итерацию.
- **Тезис- подпункт решения:** Качественный результат — **Описание тезиса подпункта решения:** Благодаря точной разметке клиент улучшил свои алгоритмы для контроля за экзаменами.

[Full list of this site's AI-readable pages](https://data-light.ru/llms.txt)