W telegraficznym skrócie ...
3.11.2022r. pojechaliśmy do Ministerstwa Rozwoju i Technologii, zobaczyliśmy kilkudziesięciu młodych, świetnie zapowiadających się programistów sztucznej inteligencji i wróciliśmy.
W międzyczasie Ania opowiadała wielu osobom o swoim projekcie i wspólnie z p. wicedyrektor Agnieszką Antoniuk-Rumak zachwycaliśmy się kreatywnością młodych ludzi podziwiając umiejętności i pasję.
Wśród wielu, naprawdę mądrych młodych talentów, nasza Ania Wlizło... (a w drodze powrotnej, żeby nie tracić czasu, kilkadziesiąt stron Przedwiośnia...)
Opis projektu
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:
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.
Poster z projektem Ani: