Обучение искусственного интеллекта. Разработка с нуля. Нужно обучить искусственный интеллект. Задание скину ниже. Можно выбрать одно любое индивидуальное задание. Пожелания и особенности: Нужно обучить искусственный интеллект. Задание скину ниже. Можно выбрать одно любое индивидуальное задание. Общие указания: • В качестве входных данных можно брать изображения, видео, как в виде файлов так и напрямую с камер (камера телефона, веб, IP камеры). • Можно брать свои собственные данные (набранные самостоятельно из интернета) или воспользоваться какими либо готовыми изображениями (датасетами) • Программа может быть выполнена в виде десктоп-приложения, веб-сервиса, мобильного приложения или даже jupyter notebook (в том числе, colab). • Желательно, что бы в курсовой работе содержалось обоснование выбранных методов и их параметров, в том числе, продемонстрировано что с указанными параметрами обеспечивается лучшая работа методов на имеющихся данных. • Если работа большая и сложная (например, включает несколько самостоятельных частей? база данных, CV, UI, клиент/сервер; или надо подготовить много данных для обучения и тестирования), то можно разделить работу на несколько человек. • 15-20 страничек хотя бы... Структура работы: 0) титульные листы с указанием темы, ФИО и подписями исполнителя (см. в приоложении, но образцы лучше брать актуальные) 1) введение: постановка задачи (что на входе, что на выходе — словесные описания и примеры данных, требования к организации входных и выходных данных, ограничения на входные изображения, требования к скорости работы и используемым ресурсам, требования к интерфейсу) 2) описание тестовых данных (сколько, какие там особенные случаи, почему выбраны эти данные) 3) описание существующих методов решения (вообще какие есть для данной задачи) и подробное описание используемого метода 4) описание программы (структура кода, инструкция по установке и запуску) 5) результаты экспериментов с программой (результаты и артефакты обучения модели, результаты работы алгоритмов, разбор работы на особенных тестах, сравнение работы с разными параметрами и пр.) 6) заключение (полученные результаты, выводы из работы, возможные перспективы использования и развития выбранных методов) 7) список источников (оформленный по требованиям библиографических указателей, на все источники должны быть ссылки по тексту работы) Примеры индивидуальных вариантов работ (список открытый, можно предлагать свои варианты): - Идентификация людей на видео с IP камер (обнаруживать в кадре людей, выводить в UI информацию из базы сотрудников) - Отслеживание перемещения человека по группе камер (найти среди множества камер человека, который был виден ранее на одной из них, построить траекторию его перемещения) - Авторизация человека по лицу с веб камеры (человек смотрит прямо в камеру, программа определяет пропустить его или нет, допускается менее 0.1% ложных срабатываний на тестовых данных) - Обучить модель для поиска и классификации объектов на конвейере (на конвейере двигается крошка из мусора нескольких видов, надо разделить пластик/металл/бумага, либо двигаются вперемешку различные изделия, которые требуется рассортировать) - Обучить модель для классификации изображений (или регрессии какой либо величины) в какой либо практической области (например отличить спелые фрукты от неспелых, легковые автомобили от грузовых; человек в каске/без; человек с собакой или без; определение погоды по фото; эмоциональная оценка внешности человека и пр.) - Использование методов поиска объектов (модели YOLO, R-CNN, можно брать предобученную или на обучить свой класс объектов) для поиска в кадре объектов заданного класса и их подсчета (например, сколько людей прошли в дверь, сколько людей находится на автобусной остановке, сколько машин стоит на светофоре, сколько яблок на дереве и т. п.). - Анализ движения человека на видео: выявить аномалии в движении и сигнализировать каким либо образом (например, резко меняет направление, быстро бежит, упал, ударил другого человека, зашел в запрещенную зону) - Вычисление скорости движения объекта на видео (для какого то определенного вида объекта — для автомобилей или человека или чего то еще), необходимо оценить погрешность определения скорости для реализованного метода - Удаление с изображений чувствительной информации (например, закрыть лица людей, убрать номера автомобилей или закрыть ФИО в фотографии текстового документа) - Распознавание документов определенного вида. Выбрать какой то более-менее стандартный вид документа (чеки, паспорта, судебные решения и пр.) и реализовать приложение или сервис, которое по фотографиям или PDF документам будет формировать JSON с информацией, извлеченной из документа. - Использование генеративных моделей для создания и редактирования изображений (например, добавить мебель в фотографию комнаты, сохранив помещение и отделку; убрать людей с фотографии, сохранив все остальное; заменить текстуру объекта на фото; и т. п.) - Использование модели для сегментации изображений (например, посчитать площадь озелененной части города по аэрофотоснимкам; посчитать относительную площадь дефектов на поверхности; ) - Измерение объектов на изображении (например, контроль размеров изделий с помощью мобильного приложения, стационарной камеры или специальной 3д камеры — программа должна воспринимать только одно изделие определенного вида и определять с высокой точностью его размеры) - Реализовать приложение дополненной реальности, в котором реализуется распознавание чего либо и вывод вспомогательной информации относительно распознаваемого объекта.