Top.Mail.Ru

Samsung Innovation Campus

DrivePulse

Искусственный интеллект

Чтобы не отсматривать гигабайты видео с камер

Проект ставит перед собой задачу повысить безопасность перевозки пассажиров путем повышения уровня контроля за действиями водителя. Отслеживание ведется с помощью видеокамер в кабине транспортного средства, учитывает положение рук водителя, наличие застегнутого ремня безопасности, использование водителем посторонних предметов во время движения и так далее.

Автор проекта — Марченко Даниил, КГУ (Курск).
Руководитель проекта: Хомяков Даниил Вячеславович


MischiefKid

Интернет вещей

Консоль с облачными сохранениями и многопрофильным режимом

Игровая консоль MischiefKid поддерживает авторизацию через Telegram-бота, а также хранит персональные сохранения для каждого пользователя в облаке. Каждая консоль поставляется с прошивкой, поддерживающей несколько пользователей. Для привязки пользователя используется Telegram-бот и одноразовый 6-значный токен входа.

Авторы проекта — Санжитова Александра, Кичигин Иван, ИГУ (Иркутск).
Руководитель проекта: Веснин Артём Михайлович


Выявление айсбергов на радиолокационных снимках

Искусственный интеллект

Чтобы прогнозировать движения айсбергов в Арктических морях

Исследованы существующие методики автоматизации определения айсбергов. Собраны РЛС архипелага Северная Земля со спутника Sentinel-1, подготовлены данные для обучения в нейронной сети. Обучено четыре модели архитектуры YOLO, отобрана самая качественная модель. Разработана программа для определения айсбергов

Автор проекта —  Караткевич Матвей, САФУ (Архангельск).
Руководитель проекта: Васендина Ирина Сергеевна


NEPHRO-скан

Искусственный интеллект

Система поддержки принятия врачебных решений

Интеллектуальная система сегментации изображений компьютерной томографии почек на основе глубокого обучения. Проект ориентирован на научно-исследовательские учреждения и медицинские организации, занимающиеся изучением и лечением злокачественных новообразований почек.

Авторы проекта — Рудыко Мария, Яценко Егор, КГУ (Курск)
Руководитель проекта: Хомяков Даниил Вячеславович


Cow Recognition System

Искусственный интеллект / Мобильная разработка

Детекция носов коров с дальнейшей векторизацией

Разработка системы автоматической идентификации и учета коров по уникальному отпечатку носа, который подобен отпечаткам пальцев у людей. Проект направлен на решение проблемы ручного подсчета и маркировки животных на фермах.

Технические решения:
– YOLOv11 для детекции носа коровы
– Сверточная нейронная сеть EfficientNet для создания эмбеддингов
– Алгоритм поиска схожих носов по косинусному расстоянию между эмбеддингами
– Применение NT-Xent Loss для обучения модели

Авторы проекта — Закирова Екатерина, Лищенко Тимофей, Шибут Михаил, РТУ МИРЭА.
Руководитель проекта: Юрченков Иван Александрович, Приходько Никита Алексеевич


GlucoDiaLog

Мобильная разработка

Приложение для самоконтроля разных типов сахарного диабета

Мобильное приложение для самоконтроля при сахарном диабете, предназначенное для помощи пациентам с СД1, СД2 и гестационным диабетом (ГСД). Приложение заменяет бумажные дневники и
позволяет фиксировать важные медицинские данные:
уровень глюкозы крови, инсулин, продукты питания,
физическую активность, лекарственные препараты. Также
приложение позволяет рассчитывать такие важные
показатели как: болюсный инсулин, гликированный
гемоглобин и КБЖУ продуктов питания.

Автор проекта — Гегель Анастасия, ИрНИТУ (Иркутск).
Руководитель проекта: Аршинский Вадим Леонидович


Автоматизированная бытовая аквапоника

Интернет вещей

Система выращивания продуктов питания прямо у вас дома

Объединяя аквакультуру (выращивание рыбы) и гидропонику (выращивание растений без почвы), система обеспечивает экологически чистое и эффективное производство свежих овощей и зелени. Проект охватывает следующие этапы: проектирование и 3D-моделирование конструкции в приложении Blender, выбор и настройка датчиков (температуры, уровня воды, света), программирование микроконтроллера для автоматического управления насосами, освещением и другими параметрами системы. 

Авторы проекта — Дзюба Андрей, Лысенко Евгения, Логачёв Никита, ТУСУР (Томск)
Руководитель проекта — Пехов Олег Валерьевич


Умная колокольня

Интернет вещей

Автоматическое управление колокольным звоном

Возможности приложения:
– Обеспечить колокольный звон при отсутствии звонаря
– Устанавливать гибкое расписание мелодий
– Загружать собственные мелодии 

Проект состоит из двух частей:    
1.  Мобильное приложение
2. Блок управления электромагнитными приводами на базе STM32F407G  

Авторы проекта — Бариев Раиль, Петухов Глеб, КФУ (Казань).
Руководитель проекта — Чупин Михаил Михайлович


Подавление шумов в аудиоконференциях

Искусственный интеллект

Удаление фонового шума в реальном времени

Я взял за основу существующую модель шумоподавления и проанализировал, какие из её модулей требуют модификации, чтобы обеспечить работу в реальном времени.

Что сделано:
– Проведено 27 экспериментов.
– Сожжено 1000+ GPU часов
– Получилось изменить часть модулей без большой потери качества

Автор проекта — Крамаренко Георгий, УрФУ (Екатеринбург).
Руководитель проекта — Дунаева Александра Валерьевна


PartyMaker

Интернет вещей

Робот для разлива напитков на вечеринке

Вагонетка со стаканом передвигается по рельсам. Штифты поднимают платформу, задействуя дозаторы, благодаря чему осуществляется подача напитка. Управление устройством выполняется с телефона.

Авторы проекта — Дронина Екатерина, Писевич Александра, КГУ (Курск).
Руководитель проекта — Кривонос Алексей Владимирович


Smart GyroBall

Интернет вещей

Интеграция IoT решений в спортивный снаряд

Gyroball – это малогабаритный спортивный тренажёр, принцип работы которого основан на свойствах роторного гироскопа.  Для достижения высоких степеней раскручивания ротора гироскопического тренажёра задействуются мышцы предплечья, плеча и плечевого пояса.

Основной предоставляемый функционал:
1) Отображение показателей тренировки в реальном времени на экране прибора и в интерфейсе пользователя.
2) Сбор статистики тренировок и ее анализ на удаленном сервере

Авторы проекта — Добротин Арсений, Серебренников Андрей, Тарало Антон, НИУ ВШЭ (Москва)
Руководитель проекта — Восков Леонид Сергеевич


Детекция кибератак методами машинного обучения

Большие данные

Разработка и сравнительный анализ моделей машинного обучения

Проект посвящен разработке и всесторонней оценке системы обнаружения кибератак на основе анализа сетевого трафика. В ходе работы решается задача бинарной классификации, целью которой является точное разделение сетевых соединений на “нормальные” (легитимные) и “вредоносные” (атаки).

В качестве исходных данных используется датасет CIC-IDS-2017. Этот набор данных содержит более 2.3 миллиона записей реалистичного сетевого трафика, сгенерированного в корпоративной сети, и включает как примеры нормальной активности, так и 14 различных типов современных киберугроз, таких как DDoS, сканирование портов, брутфорс-атаки и веб-атаки.

Авторы проекта — Корнеев Герман, Печенкина Наталья, ЮФУ (Ростов-на-Дону)
Руководитель проекта — Петренко Оксана Александровна