Аист Хакатон

1.

2.

О ХАКАТОНЕ
Хакатон необходим, чтобы собрать яркие, думающие
команды, способные взглянуть на задачи по-новому.
Иногда нестандартное решение студента оказывается
точнее и сильнее, чем привычные подходы.
Нам важно услышать новые идеи, увидеть свежий
взгляд на технологии и вместе попробовать создать
что-то действительно значимое.

3.

Участникам предлагается решить прикладные задачи от банка на внутренней
цифровой платформе. Все подробности и условия будут доступны после
регистрации и озвучены кейсодателем.
Обязательное требование: финальное решение должно быть упаковано и
развернуто в контейнере Docker.

4.

ОПРЕДЕЛЕНИЕ НАПРАВЛЕНИЯ ЖЕЛЕЗНОДОРОЖНОГО
ВАГОНА И СЧИТЫВАНИЕ ЕГО НОМЕРА
Участникам предлагается разработать решение для автоматического определения
ориентации железнодорожных вагонов (сторона А / сторона Б) по изображениям с 4
стационарных камер, установленных под разными углами.
Особенности задачи:
- Датасет состоит из множества снимков вагонов разных типов;
- У каждого вагона визуальные различия между сторонами минимальны и заранее
неизвестны;
- Данные не размечены;
- Количество типов вагонов — десятки, единых правил различия между сторонами
нет, однако они совпадают у вагонов одинакового типа;
Вторая задача — распознавание идентификационного номера на вагоне. Решение
должно быть устойчиво к разным погодным условиям, ракурсам и качеству съемки.

5.

АВТОНОМНЫЙ ПОИСК ПРОПАВШИХ ЛЮДЕЙ С
ИСПОЛЬЗОВАНИЕМ БВС И ИИ
Ежегодно теряются десятки тысяч человек, особенно в труднодоступной местности.
Ключевая задача — ускорить и автоматизировать процесс обнаружения людей с
помощью беспилотных воздушных систем (БВС) и технологий искусственного
интеллекта.
Участникам предлагается разработать решение для автономного поиска человека,
включающее:
- Обнаружение человека на кадрах с дронов в режиме реального времени с
применением нейросетей, работающих на борту БВС без доступа к облаку;
- Определение координат обнаруженного человека без использования GPS и
радиосвязи, на основе анализа серии снимков и построения траектории полета;
- Максимальную оптимизацию всех алгоритмов, чтобы обеспечить их стабильную
работу на ограниченных вычислительных ресурсах дрона в условиях полной
автономности.
Решение должно быть устойчивым к потере сигнала и пригодным для применения в
реальных полевых условиях.

6.

ЦИФРОВАЯ AI-POWERED ПЛАТФОРМА ДЛЯ
УПРАВЛЕНИЯ ДЕТСКИМ САДОМ
Данный проект позволит управлять и осуществлять контроль над информационной
средой детских садов и дошкольных образовательных учреждений. Журналы,
расписания, питание, диета, время сна и прогулки, обмен фото и видео, чаты и
сообщения. Информация должна быть структурирована и доступна онлайн в любое
время.
Кроме того проект будет представлять программно-аппаратный комплекс «Умный
детский сад», который управляет и следит за оборудованием и датчиками в режиме
реального времени. Это позволит не только экономить на расходах самого
учреждения, но и создает максимально комфортные условия для детей, для их
развития, и самое главное, — для их здоровья.
Искусственный интеллект будет анализировать данные о распорядке, состоянии
среды и активности детей, предсказывать возможные отклонения и предлагать
оптимальные решения. ИИ также будет управлять оборудованием и климатом в
группах, обеспечивая безопасность и комфорт без участия персонала.

7.

РАЗРАБОТКА ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ
(ИНС) ДЛЯ ВЫЯВЛЕНИЯ ОБЛАКОВ НА
КОСМОФОТОСНИМКАХ (АЭРОФОТОСНИМКАХ)
Цель проекта: разработка ИНС для выявления облаков на космофотоснимках
(аэрофотоснимках). Исходные данные, условия, ограничения: ИНС должна принимать
на вход космофотоснимки (аэрофотоснимки) и в результате обработки выделять
контуры изображённых на нём облаков, в случае их наличия.
В результате выполнения задания необходимо предоставить:
- Краткий анализ ИНС с объяснением принятых решений, при наличии;
- Работоспособную ИНС;
- Отчет о работе ИНС с указанием точности определения облаков и вероятности
истинного положительного и ложноположительного выявления.
Критериями оценивания являются:
- Величина точности определения облаков;
- Величина вероятности ложноположительного срабатывания;
- Величина вероятности истинно положительного срабатывания;
- Качество представленных отчетных материалов.