SSEP2018-MachineVision101

Этот репозиторий содержит реализацию проекта лаборатории Машинное Зрение 101 в рамках Летней Школы Инженерных Проектов лаборатории "Инжевика".

За время Летней школы участниками лаборатории были разработаны и реализованы эффективные (по времени и точности) алгоритмы распознавания рукописных цифр, готовые к использованию и внедрению. Были придуманы и частично реализованы возможность дообучения на данных, на которых алгоритм допускает ошибки а так же модификацию алгоритма, позволяющую более точно принимать решения, основываясь не только на количестве ближайших соседей, но и на плотности объектов в ближайших кластерах (kernel-density).

За время работы над проектом участники узнали:

• основы программирования на Python
• основные принципы программирования, алгоритмизации
• основные принципы алгоритмов машинного обучения
• основы работы с библиотеками машинного обучения для Python (numpy, scikit-learn)
• основы проектной деятельности

Функциональности разработанной системы:

1. Режим предсказания (классификации цифр): позволяет в браузере нарисовать цифру, а модель попробует угадать, что это за цифра.
2. Режим разметки: позволяет обогатить обучающую выборку новыми экземплярами объектов каждого класса (0-9). В окошке рисуем изображение, вводим что это за цифра. Сервис сохраняет новый экземпляр в папку /data
3. Режим дообучения: работает так же, как и распознавание. Только необходимо указать корректную метку класса. Если модель ошибется на данном экземпляре, то она запомнит этот случай и в дальнешем на нем ошибаться не будет.

Над проектом работали:

• Банников Георгий
• Берестяк Иван
• Дорохов Павел
• Дроздов Даниил
• Тарасов Александр
• Эккерт Алена
• Чепелева Мария

Преподаватели:

• Петр Андреевич Гусев
• Анастасия Дмитриевна Малышева

Структура репозитория:

• knn.pkl - сохраненная модель в формате "pickle"
• /data - директория с рукописными цифрами для обучения модели
• /model/model.py класс MV101_KNN - реализованный алгоритм.

Инструкция по запуску и работе с системой:

1. Скачать репозиторий.
2. Разархивировать файл "knn.pkl.zip".
3. Запустить в командной строке "pip install -r requirements.txt"
4. Для запуска проекта необходимо в командной строке из проектной папки выполнить команду "python app.py"
5. В браузере Mozilla Firefox (в других браузерах не тестировали) перейти по ссылке "localhost:5000"