Анализ проекта RuView: как Wi-Fi «видит» людей сквозь стены
Х@habr_comмедиа / агрегатор
1 месРазбор популярного проекта RuView с GitHub: почему заявленная точность 82% на деле превращается в 3% и как работает визуализация скелетов через Wi-Fi.
Популярные open-source проекты часто используют маркетинговые манипуляции с цифрами, которые не соответствуют реальности.
- Заявленная точность алгоритмов в README часто тестируется на идеальных данных, а не в реальных условиях.
- Визуализация данных в проектах может быть имитацией, а не результатом работы нейросети.
- Для оценки качества open-source решений важно изучать разделы issues и реальный код, а не только маркетинговые демо-ролики.
Wi-Fi научился видеть людей сквозь стены. Автор полез в код, и там нашёлся подвох
Проект RuView набрал под 90 тысяч звёзд на GitHub и ролики со светящимися скелетами за стеной, собранными на паре дешёвых ESP32. Первая мысль была простая. Либо магия, либо нас очень красиво обманывают. Поэтому в дело пошли репозиторий, документация, модели и особенно issues, где маркетинг обычно быстро заканчивается и начинается реальная жизнь.
И тут всплывает деталь, из-за которой всё встаёт на свои места. В README красуется приятная цифра 82,69% точности позы, полученная на подготовленном датасете. А у встроенной модели вживую указано около 3%. Мало того, текущий путь выполнения может возвращать центрированный скелет-заглушку с нулевой уверенностью. Человечек на экране рисуется, а конкретно этот скелет реального человека может не описывать никак.
Выясним, откуда берётся этот разрыв и что из проекта действительно работает.
Кратко (AI)
Автор проанализировал популярный проект RuView, который обещает отслеживание людей через стены с помощью Wi-Fi и дешевых контроллеров ESP32. Выяснилось, что высокая точность в 82,69% достижима только на подготовленных датасетах, тогда как реальная работа модели показывает около 3% точности, а визуализация часто подменяется заглушками.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖