Na jednom od nedavnih izdanja ML/AI Split meetupa održano je predavanje s temom korištenja dostupnih podataka i YOLO algoritma za prepoznavanje objekata oko nas.

Predavanje je održao Luka Farkaš, student Podatkovne znanosti i inženjerstva pri Odjelu za informatiku PMF-a u Splitu, inače ATOS-ov intern.

Prezentirao je što se sve može napraviti korištenjem YOLO algoritma i PyTorch frameworka uz korištenje dataseta iz javno dostupnih izvora kao što su prometne kamere. Snimku predavanja možeš pogledati ovdje.

Predavanje iznjedrilo novu inicijativu

Ovo predavanje probudilo je interes polaznika i iznjedrilo novu inicijativu. Naime, zahvaljujući organizaciji ICT županije i EDIT CodeSchool te uz podršku Odjela za informatiku Splitskog PMF-a,

u planu je organizacija besplatne i za sve otvorene višetjedne radionice Prepoznavanje objekata korištenjem YOLOv5.

U sklopu radionice zainteresirane bi se poučilo kako da sami krenu u razvoj vlastite aplikacije za neku primjenu koja bi koristila automatizirano prepoznavanje objekata koristeći YOLO algoritam.

Kako će radionica izgledati?

Polaznike bi se uputilo u podešavanje razvojnog okruženja, potrebnu tehnologiju i samu problematiku strojnog učenja i prepoznavanja objekata korištenjem YOLO algoritma.

“Radionica je zamišljena kao samostalan rad na modelima detekcije objekata uz kratke prezentacije i simulacije o istima. Polaznici bi se upoznali s koracima i postupcima (workflow) pri kreiranju modela neuronskih mreža za rad s Machine Learning algoritmima u svijetu računalnog vida (CV), odnosno detekcije objekata”, pojasnio je Luka Farkaš.

Tijekom pripreme podataka i treniranja modela, polaznici će biti sposobni uvidjeti potencijalne probleme i optimizirati ih na što efikasniji način.

Nakon završetka radionice polaznici bi bili sposobni prikupiti vlastite podatke, odabrati prikladan model i istrenirati isti. 

Plan radionice:

1. Upoznavanje s python bilježnicama i YOLOv5 frameworkom uz treniranje unaprijed pripremljenih datasetova dostupnih na Roboflowu. Neki datasetova su: Aerial Maritime Drone Dataset, Mask Wearing Dataset, Blood Cells Dataset, Vehicle OpenImages Dataset i drugi. Zašto je YOLO prekretnica u problemima detekcije objekata? Ogledni pregled mogućnosti koje pružaju YOLOv5 i Roboflow. Treniranje modela, evaluacija rezultata i testiranje modela na drugim primjerima.
2. Machine Learning workflow uz kratke zadatke i PyTorch tutorijale: augmentacije, hiperparametri, optimizacija, loss funckije, aktivacijske funkcije, slojevi neuronske mreže itd. Upoznavanje s konvolucijskim neuronskim mrežama uz razne simulacije. Rad s PyTorch frameworkom i njegove mogućnosti. Usporedba YOLOv5 (one-shot detector) s two-shot detektorima i detaljnija analiza YOLOv5.
3. Testiranje drugih YOLO modela te usporedba sa sličnima. Usporedba rezultata i brzine treniranja i detekcije. Unaprjeđivanje detekcije objekata na praćenje objekata pomoću DeepSort algoritama. Dogovor i ideje za vlastite projekte.
4. Pripremanje podataka, health check, augmentacije itd… Možemo li od male količine podataka istrenirati model koji detektira „dovoljno“ dobro? Samostalan rad uz međusobno savjetovanje i suradnju.
5. Multi-object tracking na vlastitom projektu. Pregled i komentiranje projekata i ideje za daljni rad. Detekcija određene pozicije kako bi se poboljšala točnost modela i prikupljenih podataka.
6. Predstavljanje vlastitih projekata

Radionica je besplatna i održavala bi se tijekom srpnja u PICS@FESB predinkubatoru ICT županije, u periodu od 11.7. do 30.7., a polaznici bi na kraju radionice izradili i vlastiti projekt.

Prijave su otvorene do 8.7.