Z dumą, radością i podziwem informuję, że Ania Wlizło, uczennica klasy 3E uzyskała tytuł Finalisty konkursu AI4Youth Sztuczna Inteligencja 2022, której merytorycznym patronem jest firma INTEL.

W projekcie, razem z Anią i innymi uczniami, braliśmy udział od października 2021r.

Do konkursu zgłoszono 88 prac z całej Polski, a jury wyłoniło 30 prac finałowych.

3 listopada 2022r. jedziemy do Warszawy do Ministerstwa Rozwoju i Technologii na Galę Finałową.

Gratuluję Ani sukcesu, a pozostałym uczestnikom projektu wytrwania do końca w trudnej sztuce programowania sztucznej inteligencji.

Poniżej prezentacja projektu Ani:

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 1

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 2

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 3

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 4

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 5

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 6

Szybkie wykrywanie zachowan i sytuacji niebezpiecznych podczas rekreacji wodnej Anna Wlizlo 7

Motywacja:

W Polsce ilość topielców wciąż jest wysoka (śr. od 2011 r. zginęło rocznie 492 osoby). Skala zjawiska pokazuje, brak wystarczającego poziomu wyedukowania społeczeństwa o problemie. Ludzie często kierują się filmowymi scenariuszami, zamiast naukowymi faktami, w ocenie sytuacji nad wodą, przeceniają swoje umiejętności pływackie, nie dostosowując trudności zamierzonej czynności do kondycji fizycznej. Projekt zaradzi problemowi, pozwalając zmniejszyć śmiertelność wśród osób będących nad wodą.

Opis procesu:

  1. Zafascynowanie i dowiadywanie się o szczegółach zjawiska.
  2. Stworzenie schematu problemowego – odpowiedzenie na zasadnicze pytania dotyczące projektu.
  3. Napisanie pracy pisemnej mówiącej, jak projekt miałby wyglądać, co dokładnie robić, utworzenie na jej podstawie prezentacji Power Point, a także drzewa decyzyjnego w aplikacji Microsoft Visio.
  4. Zebranie bazy danych – ok. 300 zrzutów ekranów z materiałów video, pokazujących okoliczności tonięć. 
  5. Początek programowania – podzielenie projektu na części.
  6. Utworzenie 1. zbioru danych z podziałem na dane treningowe, testowe i walidacyjne dla 1. połowy części 1. projektu (klasyfikacja, czy na danym obrazie znajduje się osoba topiąca się czy też pływająca.).
  7. Zbudowanie konwolucyjnej sieci neuronowej, uczenie modelu, utworzenie historii nauki.
  8. Wykonanie analogicznych czynności dla 2. zbioru danych dla 2. połowy części 1. projektu (klasyfikacja,
    u których osób występuje duże ryzyko ześlizgnięcia się z używanego sprzętu wodnego, czy innego nagłego, niespodziewanej sytuacji, skutkującego zwiększeniem się ryzyka utonięcia przez daną osobę).
  9. Wykorzystanie algorytmu HOG do wykrywania postaci ludzi na zdjęciach, a także haarCascadeClassifier do wykrywania twarzy i górnej połowy ciała w 2. część projektu, rozwijającej działanie modelu, bardziej szczegółowo zajmującą się realizacją założeń projektu.
  10. Dodanie opisu słownego możliwego rozwoju, udoskonalenia, a także wykorzystania przygotowanego programu.

Wnioski:

Pomysł na mój projekt, jego wstępny opis, schemat przygotowałam już pod koniec czerwca, więc dobór tematyki pracy, a także stworzenie prezentacji nie było problemem. Część czasu spędziłam na uśrednianiu danych i przygotowywaniu z nich wykresów obrazujących skalę tonięcia oraz zwracających uwagę na poszczególne okoliczności i cechy sprzyjające topieniu się, dane pozyskałam z oficjalnej strony policji. Dość długi okres spędziłam na dowiadywaniu się o wadach i zaletach różnych algorytmów, po czym wybrałam najbardziej adekwatne do mojej wizji programu. Następnie po uznaniu, że projekt powinien być podzielony na części, dokształciwszy się zajęłam się pierwszą z nich. Szukając różnych filtrów konwolucyjnych, wykorzystując je na obrazach, zrozumiałam, co dokładnie chciałabym osiągnąć moim programem, w jaki sposób by działał. Czasochłonne okazało się zbieranie bazy danych, jednakże warto podkreślić, że uczące spostrzegawczości (robiłam zrzuty ekranu sytuacji klasyfikowanych przez dane zbiory, kluczowe momenty trwały niekiedy niecałą sekundę). Przy budowaniu, trenowaniu sieci neuronowych nieocenione stały się notatki dostępne w Jupyter Notebook'u, a także pomoc nauczyciela, mentora. Zajmując się kolejną częścią projektu, informacje dotyczące tworzenia algorytmów odnalazłam w m.in. GitHub'ie, z którego pozyskałam kody źródłowe dla haarCascadeClassifier (detekcja profilu i widoku frontalnego twarzy, górnej połowy ciała), a także z innych stron pokazujących działanie algorytmu HOG. 


Matura za:


Wakacje za:

 

 

Szkoła w chmurze Microsoft

unia europejska

Nagrody

Uczelnie

  • PG
  • UG
  • WSBG
  • PWSZ
  • EUH-E

Linki