https://www.wikicshse.ru/index.php?action=history&feed=atom&title=%D0%9C%D0%BE%D0%BD%D0%B8%D1%82%D0%BE%D1%80%D0%B8%D0%BD%D0%B3_%D0%B2%D0%BD%D0%B8%D0%BC%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B0%D1%83%D0%B4%D0%B8%D1%82%D0%BE%D1%80%D0%B8%D0%B8_%D0%BF%D0%BE_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE_%28%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%29 2026-06-06T18:34:22Z История изменений этой страницы в вики MediaWiki 1.45.3 https://www.wikicshse.ru/index.php?title=%D0%9C%D0%BE%D0%BD%D0%B8%D1%82%D0%BE%D1%80%D0%B8%D0%BD%D0%B3_%D0%B2%D0%BD%D0%B8%D0%BC%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B0%D1%83%D0%B4%D0%B8%D1%82%D0%BE%D1%80%D0%B8%D0%B8_%D0%BF%D0%BE_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=1213&oldid=prev 2016-11-23T10:10:53Z

<p>Migrated current public revision from wiki.cs.hse.ru</p> <p><b>Новая страница</b></p><div><br /> === Что это за проект? ===<br /> Организаторам лекционных мероприятий интересно уметь численно оценивать качество мероприятий: число зрителей, их социально-демографический портрет, вовлеченность аудитории во время доклада. По наборам метрик мероприятия можно сравнивать между собой, выявлять проблемы и искать пути их исправления.<br /> <br /> В рамках проекта предлагается построить приложение, которое будет вычислять метрики вовлеченности зрителей, используя запись с камеры, которая снимает зал со зрителями. Используя техники компьютерного зрения и машинного обучения можно выделить на кадрах видеопотока отдельных зрителей, оценить их пол/возраст, выделить моменты, в которые зритель смотрел доклад, или наоборот — уткнулся в экран смартфона или попросту уснул. В результате анализа видео-файла, приложение выводит временные ряды изменения метрик и суммарные показатели качества мероприятия.<br /> <br /> Пример видео: https://yadi.sk/d/vl-M4jbSvtyor<br /> <br /> [[Файл:Скриншот к проекту про мониторинг внимания.png|frameless|500px|Кадр из видеосъемки зала во время доклада]]<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Базовые техники компьютерного зрения: обработка изображений, детектирование объектов на изображении, трекинг объектов в видео. <br /> Классификация изображений при помощи глубинного обучения (Deep Learning): файн-тюнинг современных сверточных нейронных сетей.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Желательно 2 студента:<br /> # С фокусом на задаче выделения объектов (зрителей)<br /> # С фокусом на классификации изображений<br /> <br /> Третий студент допустим в случае наличия у команды четкого разделения ролей в проекте.<br /> <br /> === Компоненеты (Из каких частей состоит проект?) ===<br /> # Выделение зрителей на одном изображении (кадре)<br /> # Улучшение выделения зрителей за счет использования видео-потока. Прототип 1: подсчет временного ряда числа зрителей в видео. <br /> # Оценка пола и возраста по лицу при помощи предобученных нейронных сетей из Caffe ModelZoo. Прототип 2: определение соц-дема аудитории.<br /> # Выделение типичных состояний людей (смотрит, общается с соседом, спит, втыкает в смартфон), обучение нейронной сети для определения состояния. Прототип 3: временные ряды и статистики вовлеченности аудитории.<br /> # CLI-приложение, генерирующее отчет в виде документа с графиками + (опционально) наложить изменение метрик на видео. <br /> #(*) Nightmare: real-time версия алгоритма<br /> <br /> === Какие будут использоваться технологии? ===<br /> * OpenCV<br /> * Python<br /> * Deep Learning: Caffe + TensorFlow или Keras или Lasagne<br /> <br /> === Какие начальные требования? ===<br /> Уверенное владение языком Python, базовое знание C++.<br /> Угар по компьютерному зрению.<br /> <br /> === Темы вводных занятий ===<br /> * Библиотеки для обработки изображений<br /> * Базовые представления о детектировании объектов на изображении, существующие детекторы и трекеры лиц<br /> * Deep Learning и библиотеки для него<br /> <br /> === Критерии оценки ===<br /> * 4-5: Консольное приложение, подсчитывающее по видео временные ряды числа зрителей, числа вовлеченных и соц. дем статистика.<br /> * 6-7: Введение бенчмарков и оценка качества отдельных частей приложения, качественный код на GitHub<br /> * 8-10: Вариант 1: отработка приложения в бою (анализ нескольких мероприятий) + оценка качества работы приложения в целом + пост на Хабрахабр. Варант 2: реализация real-time версии приложения + пост на Хабр.<br /> <br /> === Похожие проекты ===<br /> Проект оригинальный и может являться хорошим элементом портфолио.<br /> К вопросу о том что могут делать сверточные нейронные сети: http://howhot.io/, как можно находить лица в видео: https://youtu.be/iI7mWvf0g1M<br /> <br /> === Контактная информация ===<br /> Петр Ромов (peter@romov.ru), Алексей Артемов (artonson@yandex.ru)<br /> <br /> [http://www.slideshare.net/romovpa/ss-67001177 Слайды с презентации проектов]</div>

imported>Peter Romov