для чего в объявлениях закрашивают номер машины
Почему, выкладывая фото в интернете, лучше замазать госномер своего авто
История с замазыванием госномеров автомобиля уходит корнями в лихие 90-ые. Тогда водители, публиковавшие объявления о продаже машины в газетах, опасались, что фотографии с отчетливыми регистрационными знаками попадут в руки «братков», которые непременно вычислят, выследят, а затем и обворуют бедного автовладельца.
И особенно переживали те, кто перепродавал авто «на транзитах». Ведь транспортные средства с временными регистрационными знаками по понятным причинам пользовались у угонщиков особым спросом.
Эпоха бандитского беспредела давно осталась в прошлом, но многие автовладельцы до сих пор скрывают госномера своих машин. Так почему же?
Да, может, современные разбойники ведут себя скромнее, чем их предшественники из 90-ых, но факт остается фактом — любые персональные данные, оказавшиеся в публичном доступе, могут сыграть с их владельцем злую шутку.
Недаром философствуя на тему социальных сетей, многие употребляют фразу «ярмарка тщеславия», послужившую, к слову, названием для одного из романов Уильяма Мейкписа Теккерея. Обычными фотографиями уже никого не удивишь — все пытаются выпендриться, «случайно» засветив свои роскошные часы, чек из дорогущего ресторана или навороченную акустическую систему автомобиля.
Изо дня в день вы хвастаетесь перед подписчиками своей машиной, подробно рассказываете обо всех процедурах «прокачки», не забывая упомянуть об итоговой стоимости работ, ставите геолокации. И представьте, что может случиться, если в ваш профиль однажды заглянет недоброжелатель и приметит буквенно-цифровую комбинацию.
Звезды Инстаграма: самые жуткие поступки водителей ради лайков в соцсетях
Имеет ли право сотрудник ГИБДД оштрафовать водителя, который просто держит телефон в руке
По госномеру автомобиля можно узнать довольно много о его владельце, включая имя и домашний адрес. Каким образом? Базы ГИБДД, в которых хранится персональная информация, то и дело переживают хакерские атаки. Далеко не всегда после налета киберпреступников данные «сливаются» в сеть, однако это вовсе не проблема для тех, кто знает, где и у кого искать.
Замазывать или не замазывать регистрационные знаки на фотографиях — личное дело каждого, но помнить о безопасности нужно всем. Особенно в условиях процветающего мошенничества, когда новые схемы «развода» честных граждан придумываются чуть ли не каждый день.
Кстати, о мошенничестве. Нередко маскируют госномера машин (или их отсутствие) в объявлениях перекупщики, не желающие раскрывать свое истинное «лицо». Многие покупатели об этом знают и обходят предложения с замазанными регистрационными знаками стороной. Так что если вы продаете машину, публикуя предложение в интернете, может, прятать «жестянки» и не стоит, дабы побыстрее избавиться от «повозки».
Зачем скрывают номера при продаже машины и можно ли сообщать VIN и номер покупателям
На современных интернет-площадках по продаже автомобилей стало стандартом скрытие номера продаваемой машины. На этом фоне просьбы потенциальных покупателей сообщить им данные с регистрационного знака и VIN могут показаться излишними и даже подозрительными: ведь если их советуют скрыть – значит, на то есть причины. Но действительно ли номерные знаки, VIN и прочие данные продаваемой машины стоит держать в секрете и есть ли риск в том, чтобы передавать их покупателям?
Традиция скрывать номерной знак продаваемого автомобиля появилась еще до разработки крупными интернет-площадками алгоритмов по автоматическому скрытию всех буквенно-цифровых данных на фотографиях в объявлении. Каковы причины? На самом деле, многие делают это, просто поддаваясь массовому инстинкту: раз так делают все, значит, так нужно. Есть, впрочем, и некоторые объективные причины: например, желание скрыть факт продажи машины от кого-то из друзей или родственников. Для массовых машин без ярких отличительных черт простого скрытия номеров может быть достаточно. Еще один вариант – продажа машины перекупщиком, а не собственником. Закрытый номер позволяет перекупщику скрыть от покупателя данные о владельце, а от владельца – данные о стоимости перепродажи машины. Впрочем, все это помогает лишь заманить покупателя на просмотр: при очной встрече факт продажи машины не от собственника все равно вскроется. То же самое касается попыток продавца или перекупщика скрыть прошлое автомобиля – серьезные ДТП, юридические ограничения, работу в такси и так далее. Ну и, наконец, еще один надуманный сценарий – стремление продавца защититься от мошенничества. Некоторые люди действительно волнуются о том, что кто-то может отследить их сделку по продаже дорогой машины и, например, похитить деньги.
Однако по-настоящему ключевая причина скрытия номеров в объявлениях в наше время относится не к продавцам, а именно к интернет-площадкам. Крупные доски объявлений имеют собственные платные сервисы по проверке автомобилей, и они заинтересованы в том, чтобы покупатели ими пользовались. Ну а по номеру машины и VIN покупатель может получить часть информации бесплатно, так что скрытие этих данных позволяет слегка повысить востребованность платного сервиса. Справедливости ради стоит отметить, что такие сервисы зачастую действительно могут быть полезны, предоставляя данные не только об истории регистраций, залогах и ограничениях, но и зарегистрированных пробегах, ДТП, страховых выплатах и других подробностях, которых не узнать в государственных бесплатных ресурсах. Однако нужно понимать, что для первичной проверки можно просто запросить у продавца данные о VIN и номерном знаке – откровенно «неблагополучные» машины отсеются уже на этом этапе.
Итак, мы выяснили, что традиция скрывать данные машины при продаже имеет мало практического смысла. Но можно ли раскрывать каждому потенциальному покупателю не только регистрационный знак, но и VIN автомобиля? Если говорить кратко, то ответ – да. Давайте чуть подробнее разберемся, почему.
Прежде всего стоит понимать, что и номер машины, и VIN – это открытая информация, доступная практически любому желающему. У современных автомобилей одно из мест расположения VIN – площадка под лобовым стеклом, так что получить комбинацию из двух номеров можно, просто подойдя к машине. Соответственно, ее передача третьим лицам вполне безопасна. Чуть больше вопросов вызывают просьбы покупателя прислать фотографию ПТС или свидетельства о регистрации автомобиля, однако и здесь риск обмана покупателем продавца минимален. По сути, одним из самых неприятных сценариев может быть создание «автомобиля-двойника», копирующего данные с другой машины той же модели. Но вероятность того, что целью мошенников будет непосредственно продающийся автомобиль, ничтожно мала. Конечно, покупатель, сходу запрашивающий «полное досье» из госномера, VIN, фотографий всех документов на машину и паспорта продавца, может показаться подозрительным, однако на деле все эти данные могут использоваться для подробной проверки машины перед осмотром.
Более того, развернутый ответ на вопрос, стоит ли сообщать данные об автомобиле покупателям, звучит не как «да, можно», а как «да, нужно». Опытный покупатель, всерьез заинтересованный в машине, но уже перебравший несколько вариантов, наверняка запросит VIN и госномер, чтобы не тратить время на очередной плохой экземпляр. И отказ продавца сообщить базовые данные о машине может быть расценен как желание скрыть какие-то темные пятна в ее биографии. Так что если вам нечего скрывать, можно смело сообщать всем потенциальным покупателям данные об автомобиле, чтобы у них была возможность убедиться в прозрачности его истории.
ЗАЧЕМ СКРЫВАЮТ НОМЕР АВТО?
Многие из тех, кто хоть раз в жизни продавал автомобиль с помощью объявлений, будь то в газете или через Интернет, старательно закрашивали на фотографиях госномера своего «железного коня». В последние годы это стало чуть ли не обязательным ритуалом продавца, но лишь единицы способны внятно объяснить, с какой целью они это делают. А действительно — зачем? Вам интересно? Вот и редакции InfoCar.ua стало интересно.
Опросив продавцов и проштудировав обсуждения по теме закрашивания номеров на всевозможных форумах, мы отобрали целую коллекцию предположений, домыслов и соображений. Одним из самых популярных объяснений желания спрятать номер на фотографии оказался такой: «Все закрашивают, и я закрашу». В психологии такую позицию называют не иначе, как «стадный инстинкт», как бы грубо это не звучало. Люди всех рас, национальностей и возрастов руководствуются им (инстинктом) в различных жизненных ситуациях, и это давно не вызывает удивления.
К самым необычным и необъяснимым вариантам мы отнесли следующий: «Слышал, что фотографировать автомобиль с номером — плохая примета». В комментариях эта мысль вряд ли нуждается, как не нуждается и множество аналогичных, цитировать которые нет никакого смысла.
И все же, есть среди тех, кто закрашивает номерные знаки на фотографиях авто, люди со взвешенной и сознательной позицией. Чаще всего они опасаются мошенников, и имеют на то все основания, ведь не секрет, что, при большом желании, по госномеру можно узнать если не все, то очень многое о владельце транспортного средства. Например, полное имя, дату рождения, адрес регистрации, серию и номер паспорта, номера агрегатов авто и так далее. Вся эта информация хранится в базах данных ГАИ. К сожалению, время от времени эти базы крадут, после чего приобрести их на рынках пиратских дисков особого труда не составляет.
Вариантов использования личной информации в преступных деяниях великое множество. Одни боятся ограбления «по наводке», другие опасаются, что после продажи авто к ним нагрянут преступники, будут угрожать и напрямую вымогать деньги, третьи с ужасом думают о том, что их могут подставить при совершении преступления и так далее, и так далее…
Есть и более прозаичные мотивы. Например, номер на фото закрашивают, когда не хотят, чтобы о намечающейся продаже автомобиля узнали родственники, знакомые или кредиторы. Ну, и, конечно же, не можем мы обойти вниманием вездесущих посредников. Им крайне невыгодно демонстрировать госномер продаваемого авто направо и налево просто потому, что по нему потенциальный покупатель может выйти напрямую на собственника, и тогда посредник останется без своего заработка.
«Я зарабатываю тем, что продаю чужие машины. Я — посредник, поэтому какой мне смысл «светить» хозяина? — сказал нам один из продавцов, пожелавший остаться анонимным. — Все знают, что купить диск с базами ГАИ или скачать их из Интернет проще простого. Там, как минимум, есть домашний адрес хозяина машины, поэтому я всегда закрашиваю номера на фотографиях, чтобы по объявлению звонили только мне и договаривались только со мной. Есть еще один момент. Если машина была в ДТП, это тоже можно узнать, а мне, как продавцу, не нужно, чтобы об этом знали. Если явных признаков, что машина «битая» нет, я буду до последнего убеждать покупателя, что она никогда в ДТП не была».
Точка зрения покупателя
Размещая фотографию автомобиля с закрашенным номером, многие продавцы совершенно не думают о том, что тем самым отсекают достаточно большую часть потенциальных покупателей. Некоторые из них автоматически пропускают такие объявления, а почему так происходит, InfoCar.ua попросил объяснить психолога Елизавету Занурину, и вот что она рассказала:
«Когда человек понимает, что от него что-то скрывают, возникает защитная психологическая реакция — подсознательный страх быть обманутым. К ситуации с закрашенными номерными знаками авто это имеет самое непосредственное отношение. Конечно, возникает такой страх далеко не у всех и не всегда, но это достаточно распространенное явление, чтобы не принимать его во внимание. Причем, свойственно оно людям с разным достатком и социальным статусом.
Из личного опыта: сама когда-то искала б/у автомобиль по объявлениям в Интернет и поймала себя на мысли, что закрываю те, где на фотографиях номера закрашены. Потом здравый смысл возобладал, и я все-таки купила машину без номера на фото. В моем случае никаких проблем не возникло, я осталась довольна».
Итоги
Ничего страшного и криминального в закрашивании номеров авто на фотографиях нет. Каждый имеет право на конфиденциальность и пользуется этим правом по своему усмотрению. Хотите закрашивайте, а не хотите — не делайте этого.
Если Вы продавец, помните, что номерной знак для мошенника — далеко не единственный и не самый простой способ получить о Вас нужную информацию. Если же Вы покупатель, то отнеситесь с пониманием к опасениям продающего, а избежать обмана со стороны недобросовестных продавцов Вам поможет только Ваша внимательность. Не стесняйтесь задавать вопросы, доверьте осмотр автомобиля специалисту и тщательно проверяйте «чистоту» документов.
Если Вы хотите продать автомобиль и все-таки решили не «светить» номер, то специально для Вас на сайте InfoCar.ua реализован специальный сервис, позволяющий легко и быстро, без знаний специальных программ, скрыть номер авто на фотографии.
Возможно у Вас есть свои интересные мысли по поводу скрытие номерных знаков на фото? Не стесняйтесь, оставляйте их в комментариях к этой статье!
Для чего и как мы скрываем госномера автомобилей в объявлениях Авито
Привет. В конце прошлого года мы стали автоматически скрывать номера автомобилей на фотографиях в карточках объявлений на Авито. О том, зачем мы это сделали, и какие есть способы решения таких задач, читайте в статье.
Задача
На Авито за 2018 год было продано 2,5 миллиона автомобилей. Это почти 7000 в день. Всем объявлениям о продаже нужна иллюстрация — фото автомобиля. Но по государственному номеру на нём можно найти много дополнительной информации о машине. И некоторые наши пользователи стараются самостоятельно закрывать госномер.
| |
| |
| |
Причины, почему пользователи хотят скрывать госномер, могут быть разными. Со своей стороны мы хотим помогать им защищать свои данные. И стараемся улучшать процессы продажи и покупки для пользователей. Например, у нас уже давно работает услуга анонимного номера: когда вы продаёте автомобиль, для вас создается временный сотовый номер. Ну а чтобы защитить данные о госномерах, мы обезличиваем фотографии.
Обзор способов решения
Чтобы автоматизировать процесс защиты пользовательских фотографий, можно воспользоваться сверточными нейронными сетями для детектирования полигона с номерным знаком.
Сейчас для детекции объектов используются архитектуры двух групп: двухэтапные сети, например, Faster RCNN и Mask RCNN; одноэтапные (singleshot) — SSD, YOLO, RetinaNet. Детектированием объекта является вывод четырёх координат прямоугольника, в которые вписан объект интереса.
Упомянутые выше сети способны находить на картинках множество объектов разных классов, что уже является избыточным для решения задачи поиска номерного знака, потому что машина у нас на картинках, как правило, всего одна (бывают исключения, когда люди фотографируют свою продаваемую машину и её случайную соседку, но это происходит достаточно редко, поэтому этим можно было пренебречь).
Ещё одна особенность этих сетей состоит в том, что по умолчанию они выдают bounding box со сторонами, параллельными осям координат. Это происходит так, потому что для детектирования используется набор заранее определённых видов прямоугольных рамок, называемых anchor boxes. Если точнее, то сначала с помощью какой-то сверточной сети (например resnet34) из картинки получают матрицу признаков. Потом для каждого подмножества признаков, полученного с помощью скользящего окна, происходит классификация: есть или нет объект для k anchor box и проводится регрессия в четыре координаты рамки, которые корректируют её положение.
Подробнее об этом можно прочитать здесь.
После этого есть ещё две головы:
одна для классификации объекта (собака/кошка/растение и т.д),
вторая (bbox regressor) — для регрессии координат рамки, полученной на предыдущем шаге, чтобы увеличить соотношение площади объекта к площади рамки.
Для того, чтобы предсказать повернутую рамку бокса, нужно изменить bbox regressor так, чтобы получать ещё и угол поворота рамки. Если этого не делать, то получится как-то так.
Кроме двухэтапного Faster R-CNN, есть одноэтапные детекторы, например RetinaNet. Он отличается от предыдущей архитектуры тем, что сразу предсказывает класс и рамку, без предварительного этапа предложения участков картинки, которые могут содержать объекты. Для того чтобы предсказывать повернутые маски, нужно также изменить голову box subnet.
Один из примеров существующих архитектур для предсказания повернутых bounding box — DRBOX. Эта сеть не использует предварительный этап предложения региона, как в Faster RCNN, поэтому она является модификацией одноэтапных методов. Для обучения этой сети используется K повернутых под определенными углами bounding box (rbox). Сеть предсказывает вероятности для каждого из K rbox содержать таргет объект, координаты, размер bbox и угол поворота.
Модифицировать архитектуру и заново обучить одну из рассмотренных сетей на данных с повернутыми bounding boxes — задача реализуемая. Но нашу цель можно достигнуть проще, ведь область применения сети у нас гораздо уже — только для скрытия номерных знаков.
Поэтому мы решили начать с простой сети для предсказания четырёх точек номера, впоследствии можно будет усложнить архитектуру.
Данные
В задании дана фотография автомобиля. Необходимо выделить номерной знак автомобиля, используя для этого четырёхугольник. При этом следует выделять государственный номер максимально точно.
С помощью Толоки можно создавать задания по разметке данных. Например, оценивать качество поисковой выдачи, размечать разные классы объектов (текстов и картинок), размечать видео и т.д. Их будут выполнять пользователи Толоки, за плату, которую вы назначите. Например, в нашем случае толокеры должны выделить полигон с госномером автомобиля на фото. В целом это очень удобно для разметки большого датасета, но получить высокое качество довольно сложно. На толоке много ботов, задачей которых является получить с вас деньги, наставив ответы рандомно или с помощью какой-то стратегии. Для противодействия этим ботам есть система правил и проверок. Основной проверкой является подмешивание контрольных вопросов: вы размечаете вручную часть заданий, пользуясь интерфейсом Толоки, а далее подмешиваете их в основное задание. Если размечающий часто ошибается на контрольных вопросах, вы его блокируете и разметку не учитываете.
Для задачи классификации очень просто определить, ошибся размечающий или нет, а для задачи выделения области это не так просто. Классический способ — считать IoU.
Если это отношение меньше некоторого заданного порога для нескольких заданий, то такой пользователь блокируется. Однако для двух произвольных четырехугольников посчитать IoU не так просто, тем более, что в Толоке приходится это реализовать на JavaScript. Мы сделали небольшой хак, и считаем, что пользователь не ошибся, если для каждой точки исходного полигона в небольшой окрестности находится точка, отмеченная разметчиком. Ещё есть правило быстрых ответов, чтобы блокировались слишком быстро отвечающие пользователи, капча, расхождение с мнением большинства и т.д. Настроив эти правила, можно ожидать довольно неплохую разметку, но если нужно действительно высокое качество и сложная разметка, нужно специально нанимать фрилансеров-разметчиков. В итоге наш датасет составил 4к размеченных картинок, и стоило всё это 28$ на Толоке.
Модель
Теперь сделаем сеть для предсказания четырёх точек области. Получим признаки с помощью resnet18 (11.7M параметров против 21.8M параметров у resnet34), далее делаем голову для регрессии в четыре точки (восемь координат) и голову для классификации, есть на картинке номерной знак или нет. Вторая голова нужна, потому что в объявлениях о продаже машины не все фотографии с машинами. На фото может быть деталь автомобиля.
Подобное нам, конечно, детектить не надо.
Обучение двух голов делаем одновременно, добавив в датасет фото без номерного знака с таргетом bounding box (0,0,0,0,0,0,0,0) и значением для классификатора «картинка с номерным знаком / без» — (0,1).
Тогда можно составить единую лосс функцию для обеих голов как cумму следующих лоссов. Для регрессии в координаты полигона номерного знака используем гладкий L1 loss.
Его можно интерпретировать как комбинацию L1 и L2, который ведёт себя как L1, когда абсолютное значение аргумента велико и как L2, когда значение аргумента близко к нулю. Для классификации используем softmax и crossentropy loss. Экстрактор признаков — resnet18, используем веса, предобученные на ImageNet, дальше дообучаем на нашем датасете экстрактор и головы. В данной задаче мы использовали фреймворк mxnet, так как он является основным для computer vision в Авито. Вообще, микросервисная архитектура позволяет не привязываться к конкретному фреймворку, но когда имеешь большую кодовую базу, лучше использовать ее и не писать тот же самый код заново.
Получив приемлемое качество на нашем датасете, мы обратились к дизайнерам, чтобы нам сделали номерной знак с логотипом Авито. Сначала мы конечно попробовали сделать сами, но выглядел он не очень красиво. Дальше требуется изменить яркость номерного знака Авито на яркость оригинальной области с номерным знаком и можно накладывать логотип на изображение.
Запуск в прод
Проблема воспроизводимости результатов, поддержки и развития проектов, решённая с некоторой погрешностью в мире backend- и frontend-разработки, всё ещё стоит открытой там, где требуется использовать модели машинного обучения. Вам наверняка приходилось разбираться в легаси коде моделек. Хорошо если в readme есть ссылки на статьи или опенсорс-репозитории, на которых базировалось решение. Скрипт для запуска переобучения может упасть с ошибками, например, поменялась версия cudnn, и та версия tensorflow уже не работает с этой версией cudnn, а cudnn не работает с этой версией драйверов nvidia. Может, для обучения использовался один итератор по данным, а для тестирования и в продакшене другой. Так можно продолжать довольно долго. В общем, проблемы с воспроизводимостью существуют.
Мы стараемся убрать их, используя nvidia-docker окружение для обучения моделек, в нём есть все необходимые зависимости для сuda, также туда устанавливаем зависимости для питона. Версия библиотеки с итератором по данным, аугментациями, инференсу моделек — общая для стадии обучения/экспериментирования и для продакшена. Таким образом, чтобы дообучить модель на новых данных, вам нужно выкачать репозиторий на сервер, запустить shell скрипт, который соберет докер-окружение, внутри которого поднимется jupyter notebook. Внутри у вас будут все notebook’и для обучения и тестирования, которые точно не упадут с ошибкой из-за окружения. Лучше, конечно, иметь один файл train.py, но практика показывает, что всегда требуется смотреть глазами на то, что выдаёт моделька и что-то менять в процессе обучения, так что в конце вы всё равно запустите jupyter.
Веса модели хранятся в git lfs — это специальная технология для хранения больших файлов в гите.До этого мы пользовались артифактори, но через git lfs удобнее, потому что скачивая репозиторий с сервисом, вы сразу получаете актуальную версию весов, как на продакшене. Для инференса моделей написаны автотесты, так что не получится раскатить сервис с весами, которые их не проходят. Сам сервис запускается в докере внутри микросервисной инфраструктуры на кластере kubernetes. Для мониторинга производительности мы используем grafana. После раскатки мы постепенно увеличиваем нагрузку на инстансы сервисов с новой моделькой. При выкатке новой фичи мы создаем а/б тесты и выносим вердикт по дальнейшей судьбе фичи, опираясь на статистические тесты.
В результате: мы запустили замазывание номеров на объявлениях в категории авто для частников, 95 перцентиль времени обработки одной картинки для скрытия номера равен 250 мс.