Това е проект на eccy, Joan и dimitursm е спечелил 🥇 първо място на Хакатон "Купата на кмета" 2021 🏆 и Хакатон "NASA Space Apps Bulgaria" 🚀
Изтеглете проекта като .zip или в Git Bash използвайте:
git clone https://github.com/TeamPraxidike/Crowd-Density-Estimator.git
За да използвате модела, ще Ви е нужен Python (използваната в приложението версия е 3.9.2)
Ще Ви е нужно да инсталирате tensorflow. Направете го в среда остановена за работа с python от pipenv.
pip install --upgrade tensorflow
Приложението е написано на: HTML5, CSS3, JavaScript ES6 ECMAScript 2018 (като са използвани и legacy елементи), Python
За да разгледате кода отворете файла: CODE.md
Приложението показва нивото на струпване на хора в отделни локации на града като взима информация и я обработва през обучен модел. Местата са:
- Паметник "Альоша"
- Център
- Хотел България
- Богориди
- Морска Гара
- Морски театър
- Детски кът (до Флора)
- Сарафово (градинка)
- Пристанище Сарафово
ВАЖНО: приложението не ползва актуална информация. На сайта е показана само симулация.
На заглавната страница на приложението се виждат няколко такива зони, които си променят цвета спрямо това какво е нивото на струпването на хора.
- Червено - много хора
- Жълто - средно натрупване на хора
- Зелено - малко хора
На фигурата отдолу може да видите как едно такова се обновява:
Моделът е конволюционна невронна мрежа, която е съставена от конволюционнен слой, max-pooling слой и два dense слоя в края. Той изпълнява класификация на снимки (тук може да се взимат кадри от видео запис). Използваме data augmentation и dropout, за да намалим overfitting-а по време на обучението. Моделът се обучава за 100 епохи, тъй като сме установили, че това е най-оптималният брой. Използваме metric accuracy, за да анализираме резултата от модела и да правим съответни промени за неговото подобрение.
Dataset-ът е сравнително малък и подлежи на промяна.
За сайта са ползвани leaflet.js, MapTiler.
За документацията са ползвани EZGif, Lightshot.
За позлването на модела са ползвани CUDA, python.
Special thanks to Pepi