fbpx
Data ScienceProjekty kursantów

Projekt kursantów bootcampu Data Science: Traffic Signs Classification

Data Science to jedna z tych dziedzin IT, która na naszych oczach potrafi zmieniać otaczający nasz świat. Wraz ze wzrostem mocy obliczeniowej komputerów, powstają nowe, bardziej zaawansowane algorytmy, które umożliwiają tworzenie rzeczy znanych do tej pory z powieści Sci-Fi. 

Każdy bootcamp Data Science w infoShare Academy kończy się projektem zaliczeniowym. Na kursach tworzone są zespoły projektowe, które w ramach zaliczenia kursu muszą stworzyć projekt, wykorzystując zdobytą przez uczestników wiedzę. Nie inaczej było tym razem. Na bootcampie Data Science, Kinga, Kasia, Piotr, Dariusz i Michał powołali do życia zespół Data Busters. Zespół postanowił wykorzystać Machine Learning do stworzenia aplikacji do rozpoznawania znaków drogowych.

Zespół Data Buster

Kontekst

Samochody są z nami już od ponad 100 lat. Od kiedy tylko wyjechały na drogę pierwsze pojazdy, przemysł, który rósł razem z liczbą samochodów na drodze, starał się stale poprawiać bezpieczeństwo pojazdów. Od wprowadzenia pasów bezpieczeństwa, specjalnych materiałów na poduszkach powietrznych i czujnikach kończąc. Wszystko to miało sprawić, aby z każdą kolejną generacją samochodów podróżowanie samochodami było bezpieczniejsze. Nauka i postęp ratują ludzkie życia. W ostatnich latach do tego postępu dołącza się Data Science, które wykorzystywane jest do poprawy komfortu i bezpieczeństwa podróży. W 2021 roku nikogo już nie dziwi autonomiczny samochód, który sam potrafi zaparkować. To możliwe między innymi dzięki Data Science.

Skuteczność predykcji aplikacji zespołu Data Busters

Wiele wypadków drogowych spowodowanych jest przeoczeniem i niedostateczną wiedzą na temat mijanych na drodze znaków drogowych. Prędkość, coraz większa liczba rozpraszaczy podczas jazdy sprawiają, że ludzie prowadzący samochody mają problem z dostatecznie szybkim zinterpretowaniem oznakowania.

Nad tym problemem postanowił pochylić się zespół Data Busters, budując model CNN do rozpoznawania znaków drogowych oraz aplikację wykorzystującą owy model. Takie rozwiązanie mogłoby być zainstalowane w nowoczesnych samochodach, które w porę ostrzegałyby kierowcę o mijanych znakach drogowych. Rozpoznając znak, samochód mógłby w porę zareagować i zapobiec kolizji. Takie rozwiązanie jest też niezbędne do funkcji autonomicznych aut, które są coraz powszechniej dostępne.

Liczba zdjęć dla poszczególnych klas.

Model i zbiór

Zespół zbudował model, który identyfikuje znaki drogowe w oparciu o konwolucyjne sieci neuronowe. Program opiera się na zbiorze ze znakami, który dostępny jest w serwisie Kaggle. Zespół użył zbioru Traffic Signs Preprocessed, który zawiera 89,986 kolorowych obrazków w rozmiarze 32×32 px. Zostały one użyte do nauki przez program. W zbiorze znajdowały się obrazki w kolorze i w odcieniach szarości, zbiór treningowy, testowy i walidacyjny. Zbiór treningowy zawierał 34 799 zdjęć, walidacyjny 4 410, a testowy 12 630 w 43 klasach znaków drogowych (znaki ograniczenia prędkości, znaki nakazu, zakazu, znaki informacyjne, ostrzegawcze i inne).

Struktura modelu

Model CNN składał się z 6 warstw konwolucyjnych  z filtrem 3×3 i z funkcją aktywacji ReLu, 3 warstw Max Pool 2×2. Wszystkie te warstwy były połączone z ostatnią warstwą tworzącą 43 wyniki końcowe i z funkcją SoftMax.  

Wykres dokładności i straty

Większość nieprawidłowych predykcji była spowodowana słabą jakością zdjęć, które były ciężkie do odczytania nawet dla człowieka. Łączna liczba złych predykcji to 296 co daje 2,34%.

Sama aplikacja pozwala na wgranie zdjęć statycznych i umożliwia uzyskanie predykcji. Drugą funkcją aplikacji jest możliwość rozpoznawania znaków na żywo poprzez kamery z laptopa. Funkcja ta może posłużyć do wykrywania znaków drogowych np. w autonomicznych samochodach.

Zobacz aplikację w akcji

Bootcamp Data Science w infoShare Academy

Dane stały się prawdziwą walutą w dzisiejszych czasach. Firmy odkryły możliwości, jakie płyną ze zbierania danych. Mocniejsze i tańsze komputery sprawiają, że Data Science jest dostępna dla coraz mniejszych firm, co przekłada się na wzrost zapotrzebowania na specjalistów od danych. Jeśli chcesz nauczyć się wykorzystywać dane i tworzyć takie aplikacje jak powyżej, to zapisz się na bootcamp Data Science.

Dla kogo? Dla osób, które chcą sprawnie nauczyć się programowania od najlepszych trenerów-praktyków na rynku i szukają satysfakcji z pracy poprzez posiadanie realnego wpływu na swoją firmę. Podczas intensywnych zajęć dowiesz się w jaki sposób pozyskiwać, agregować i przetwarzać dane. Nauczysz się wykorzystywać Machine Learning.

👉 Weekendowy bootcamp Data Science (przebranżowienie)

Przeczytaj: Data Science – pasjonująca branża z wysokim zarobkami >>

Co możesz robić po bootcampie? Poznaj historie naszych absolwentów!

👉 Elektronikę zamienił na programowanie – historia Jarosława Witowskiego

👉 Zamiast zarządzać finansami rozwija zagraniczną aplikację – historia Magdy Kłopotek

👉 Architektka wnętrz, która została programistką – historia Julii Łojek

👉 Od tancerza do programisty – historia Wiktora Jagiełło

Sprawdź także
Close
Back to top button