Hackathon Computer Vision w STX-ie: jak to było?
Hackathon Computer Vision to kolejny hackathon, który został w całości wymyślony i przeprowadzony przez jednego z naszych doświadczonych programistów z poznańskiego STX-a. Inną taką imprezą był zeszłoroczny Hackathon Machine Learning, o którym już dwukrotnie pisaliśmy na blogu:
Skąd pomysł na Computer Vision Hackathon?
Tym razem mieliśmy świetną wymówkę do organizacji kolejnego maratonu programowania – w tym roku poznański STX planuje zmienić biuro na większe i bardziej nowoczesne. W związku z tym postanowiliśmy zaszaleć i w nowej siedzibie zastosować rozwiązania oparte na Computer Vision, by codzienne przechadzanie się biurowymi korytarzami nie było nudne.
W ramach przygotowania uczestników do hackathonu, Maciek, pomysłodawca i główny organizator, przygotował krótki wykład oraz listę materiałów, które mogły okazać się pomocne w czasie walki z kodem. Niezależnie od tej pomocy, każda z drużyn w dniu wydarzenia zmierzyła się z niejednym wyzwaniem (żeby nie nazwać tego nieskończoną liczbą mniejszych lub większych problemów).
4 drużyny i 8 godzin pracy
Zawodnicy mieli za zadanie przygotować projekty oparte o Computer Vision, a dokładniej miała to być interaktywna aplikacja przetwarzająca w czasie rzeczywistym obraz z kamery. Drużyny popisały się nie lada pomysłowością – w czasie maratonu powstał odpowiednik takich klasyków jak Guitar Hero czy Tetris w edycji Fit, gdzie sterowanie zamiast klawiatury odbywało się całym ciałem zawodnika.
Dużym wyzwaniem było wyłonienie zwycięzców, ponieważ każdy z pomysłów był ciekawy. Kryteria oceny konkursu wynikały z jego nadrzędnego celu, i były trzy: Efekt WOW – czyli stopień zachwytu laika, Stopień zaawansowania zastosowanych technologii oraz czas niezbędny na wdrożenie projektu w nowym biurze.
Ostatni imbazaur wygrywa!
Po długich naradach jury ogłosiło zwycięską drużynę Ostatni imbazaur składającą się z jednego członka. Tomek, będący sobie tego wieczoru sterem, żeglarzem i okrętem, przygotował grę muzyczną nawiązującą swoją mechaniką do Guitar Hero. Jego praca wyróżniła się zastosowaniem TensorFlow w przeglądarce do wykrywania pozy, przez co nie tylko robiła wrażenie, ale była gotowa działać na praktycznie każdej platformie.
Drugie jak i trzecie miejsce wygrały projekty Python’owe, odpowiednio Bubbles oraz Fittris. Bubbles pomimo swej prostoty, ot to identyfikacja twarzy przy użyciu sieci neuronowej z graficznym overlay, zdobył maksimum punktów w kategorii Efekt WOW dzięki prostocie i angażowaniu nawet pasywnych obserwatorów.
Fittris wyróżnił się nie tylko doskonałym pitch-em produktu, ale także sprytnym zastosowaniem obrazu z kamery jako swego rodzaju uniwersalnego kontrolera emulującego klawiaturę – co oznacza, że to samo rozwiązanie swobodnie może zostać zastosowane w innych grach, bez ich modyfikacji.