А.И. Карпухин1, Е.А. Вайсберг2, Н.А. Данилкина3

1 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
2 ООО «Открытая мобильная платформа» (Москва, Россия)
3 АО «Россельхозбанк» (Москва, Россия)
1 aikarpukhin@fa.ru, 2 11lizik.lizik@gmail.com, 3 n-danilkina@list.ru

Постановка проблемы. Предложенная в работе архитектура веб-сервиса, основанная на микросервисном подходе, предназначена для решения проблемы онлайн-обработки цифрового контента (изображения, видео и связных данных) с использованием алгоритмов глубокого обучения и компьютерного зрения.

Цель. Повысить эффективность обработки различных видов контента в онлайн-сервисе, в том числе распознавания, классификации и интерпретации пользовательских изображений с дальнейшим формированием рекомендаций для пользователя и его работы с контентом.

Результаты. Представлено описание реализованной на практике архитектуры веб-сервиса с использованием нейросетей и алгоритмов компьютерного зрения, включающего в себя обученную авторами модель глубокого машинного обучения.

Практическая значимость. Предложенный подход является во многом универсальным с точки зрения создания различных конфигураций микросервисов и веб-приложений для решения широкого круга задач, включая онлайн-обработку контента в экспертных системах, интерпретацию результатов анализа, а также генерацию и обобщение производных данных и формирования рекомендаций эксперта в рамках подготовки экспертных заключений.

Карпухин А.И., Вайсберг Е.А., Данилкина Н.А. Микросервисная архитектура веб-сервиса с использованием нейросетей и алгоритмов компьютерного зрения для онлайн обработки контента // Нейрокомпьютеры: разработка, применение. 2025. Т. 27.
№ 6. С. 17−23. DOI: 10.18127/j19998554-202506-02

1. Niño-Martínez V.M., Ocharán-Hernández J.O., Limón X., Pérez-Arriaga J.C. Microservice deployment, Proceedings of the institute for system programming of the RAS. University of Veracruz. Mexico. 2023. P. 57–72.
2. Katal A., Prasanna P., Birla R., Kunal (2025). Evolution from Monolithic to Microservices Architecture: A New Era in Software Architecture. In: Rossit, D., Torres-Aguilar, C.E., Toncovich, A.A. (eds) Advancements in Optimization and Nature-Inspired Computing for Solutions in Contemporary Engineering Challenges. Springer Tracts in Nature-Inspired Computing. Springer. Singapore. https://doi.org/10.1007/978-981-96-0706-8_12
3. Shethiya A.S. Building Scalable and Secure Web Applications Using .NET and Microservices. Academia Nexus Journal. 2025. 4(1). Retrieved from https://academianexusjournal.com/index.php/anj/article/view/17
4. Maggi Kevin & Verdecchia Roberto & Scommegna Leonardo & Vicario Enrico. Evolution of code technical debt in microservices architectures. Journal of Systems and Software. 2024. 222. 112301. 10.1016/j.jss.2024.112301
5. Shafi N., Abdullah M., Iqbal W. et al. DIMA: machine learning based dynamic infrastructure management for containerized applications. Computing 107, 88 (2025). https://doi.org/10.1007/s00607-025-01445-8
6. Kaushik N., Kumar H. & Raj V. Micro Frontend Based Performance Improvement and Prediction for Microservices Using Machine Learning. J Grid Computing 22, 44 (2024). https://doi.org/10.1007/s10723-024-09760-8
7. Richart M., Gorricho J.-L., Baliosian J., Contreras L.M., Muñiz A. and Serrat J. LQ-GNN: a Graph Neural Network Model for Response Time Prediction of Microservice-based Applications in the Computing Continuum. In IEEE Transactions on Parallel and Distributed Systems, doi: 10.1109/TPDS.2025.3564214
8. Carducci M. Documenting Architecture. In: Mastering Software Architecture. Apress, Berkeley, CA. (2025). https://doi.org/ 10.1007/979-8-8688-0410-6_24
9. Brown S. The C4 model for visualizing software architecture. Retrieved from https://c4model.com. Licensed under CC BY 4.0.
10. Ahmad Jourji Zaidan & Dwi Fatrianto Suyatno. (2025). Rendering Performance Analysis of Astro JS, Next JS, Nuxt JS, and SvelteKit Frameworks Using Google Lighthouse, PageSpeed Insight, and JMeter: Rendering Performance Analysis of Astro JS, Next JS, Nuxt JS, and SvelteKit Frameworks Using Google Lighthouse, PageSpeed Insight, and JMeter. Journal of Emerging Information Systems and Business Intelligence, 6(1), 1~13. https://doi.org/10.26740/jeisbi.v6i1.64283
11. Narender Reddy Karka. Best Practices for Building Scalable Single Page Applications (SPAS). International Journal of Information Technology and Management Information Systems (IJITMIS). 2025. 16(1). 1219–1241. doi: https://doi.org/10.34218/ IJITMIS_16_01_087
12. Yellavula Naren. Hands-on RESTful Web Services with Go : Develop Elegant RESTful APIs with Golang for Microservices and the Cloud / Naren Yellavula. Second edition. Birmingham, UK: Packt Publishing, 2020. Print.
13. Meyerson J. The Go Programming Language. In IEEE Software. 2014. V. 31. № 5. P. 104–104. doi: 10.1109/MS.2014.127
14. Jiang Peiyuan & Ergu Daji & Liu Fangyao & Ying Cai & Ma Bo. A Review of Yolo Algorithm Developments. Procedia Computer Science. 2022. 199. 1066–1073. 10.1016/j.procs.2022.01.135
15. Douglas K., Douglas S. PostgreSQL: a comprehensive guide to building, programming, and administering PostgresSQL databases. SAMS publishing. 2003.