Zakończyła się III edycja przedmiotu „Projekty badawcze”, który jest obligatoryjny dla wszystkich studentów WETI na studiach magisterskich. Zrealizowanych zostało 80 projektów, a nagrodzono i wyróżniono siedem najlepszych. Niektóre projekty zostały nagrodzone podwójnie, przez dziekana WETI oraz firmę S&P Global.
Wręczenie nagród i prezentacje studentów odbywały się podczas uroczystej inauguracji studiów II stopnia. Nowych studentów witał prof. Jacek Stefański, dziekan WETI:
– Gratuluję Wam podjęcia tego wyzwania i rozpoczęcia studiów II stopnia. To ważna decyzja, która naprawdę będzie procentować w Waszym życiu zawodowym. To są tylko albo aż trzy semestry, ale warto podjąć ten wysiłek. Owoce tej pracy na pewno zobaczycie.
– Studia II stopnia mają poszerzyć Wasze horyzonty. Będziecie mogli zdobyć doświadczenie w prawdziwej pracy naukowej; praca w zespole, raportowanie badań, przygotowanie publikacji czy zgłoszenie patentowe, to wszystko może być Waszym udziałem już niebawem – podkreślił prof. Mariusz Kaczmarek, prorektor ds. kształcenia.
Wśród najlepszych i najciekawszych projektów badawczych siedem wybrano w konkursie dziekana WETI, natomiast trzy projekty zostały nagrodzone i wyróżnione w konkursie na najlepszy projekt związany ze sztuczną inteligencją, ogłoszony przez firmę S&P Global.
Nagrody dziekana WETI
Wyróżnienia:
- Analiza powiązań pomiędzy brzmieniem głosu i kolorem przypisanym do próbki głosowej mówcy/śpiewu
Opiekun naukowy projektu: prof. Bożena Kostek
Kierownik: Jelizaveta Kurilčik
Członkowie zespołu: Jelizaveta Kurilčik, Maciej Jankowski, Olga Kozłowska, Aleksandra Łabich, Edyta Skiba, Paweł Śliwiński, Patryk Spierewka, Mateusz Połom
Celem projektu była analiza powiązań pomiędzy próbką głosu/śpiewu a przypisanym kolorem na podstawie korelacji pomiędzy parametrami sygnału mowy/śpiewu a wartością parametrów danego koloru. Temat, który realizowali studenci jest wyraźnie widoczny w literaturze ze względu na fakt, że multimedialne systemy rekomendacyjne poszukują nowych podejść do adnotacji zasobów audio-wizualnych, ale również do samej rekomendacji. Zespół przygotował aplikację do zbadania korelacji pomiędzy trzema elementami: kolor, mowa/śpiew, emocje), jakie mogą być przypisane do sygnałów mowy czy śpiewu. Zebrane wyniki w postaci bazy danych, analiza istotności wykorzystanych parametrów, jak również zastosowanie algorytmów uczenia maszynowego pozwoliło na odpowiedź, w jakim stopniu dźwięk powiązany jest z emocjami i kolorem.
- Implementacja autorskiego modelu rozwiązania Speech-to-Face
Opiekun naukowy: mgr inż. Szymon Zaporowski
Kierownik: Kacper Pietkun
Członkowie zespołu: Kacper Pietkun, Marta Browarczyk, Bogna Gondek
Projekt KSMM14 polegał na odtworzeniu rozwiązania zawartego w artykule Speech2Face: Learning the Face Behind a Voice opublikowanego na konferencji Computer Vision and Pattern Recognition (CVPR) w 2019 roku. Przedstawione w wymienionej pracy rozwiązanie pozwala na odtworzenie obrazu twarzy osoby tylko na podstawie próbki głosu. Autorzy publikacji nie udostępnili kodu źródłowego, a wszystkie repozytoria zawierające próby odtworzenia rozwiązania nie były kompletne bądź w ogóle nie działały. W związku z tym studenci otrzymali zadanie próby stworzenia autorskiej wersji rozwiązania Speech2Face bazując na informacjach zawartych w publikacji. Studenci w trakcie trwania projektu dokonali szeregu eksperymentów podczas prób doboru odpowiednich modeli sieci neuronowych stanowiących enkodery głosu i kodery twarzy. Zespół projektowy sprawdził również w aspekty związane z uprzedzeniami bazującymi na danych demograficznych i niezrównoważeniu zbiorów wykorzystanych w trenowanych modelach. Wyniki tych analiz przedstawiono w końcowym raporcie.
- Lokalny system pozycjonowania IoT (BLE/LoRa) dla zastosowań w inteligentnych budynkach oraz dla Przemysłu 4.0
Opiekun naukowy projektu: prof. Łukasz Kulas prof.PG
Kierownik: Benedykt Sikorski
Członkowie zespołu: Jakub Bąkowski, Jerzy Wąsikowski, Mateusz Gaffka, Benedykt Sikorski
Celem projektu była budowa urządzenia wbudowanego, wyposażonego w antenę inteligentną, przeznaczonego do lokalizacji zasobów /urządzeń z dołączonymi małymi tagami Bluetooth Low Energy(BLE) – urządzeniami Internetu Rzeczy IoT; opracowanie trzech autorskich algorytmów lokalizacji z wieloma wariantami działania oraz opracowanie systemy płatności zintegrowanego z urządzeniem wbudowanym, tak aby opłaty za korzystanie z konkretnych algorytmów przez konkretny czas mogły pobierane w każdej części świata.
III Nagroda
- Wykrywanie zaburzeń psychicznych na podstawie mowy
Opiekun naukowy projektu : prof. Bożena Kostek prof. PG
Kierownik: Anna Rekiel
Członkowie zespołu: Samuel Szurman, Marina Galanina, Anna Rekiel
Celem projektu badawczego była analiza powiązań pomiędzy próbką mowy a związkiem z chorobami psychicznymi ( m.in. schizofrenią i depresją). Studenci analizowali sygnały mowy osób ze zdiagnozowanymi zaburzeniami psychicznymi przy użyciu przetwarzania sygnału (oraz analizy mowy) a także przeprowadzali ekstrakcję cech związanych z sygnałem mowy. Studenci przygotowywali również architektury algorytmów uczących się oraz przeprowadzali detekcję mowy osób z zaburzeniami psychicznymi za pomocą uczenia maszynowego.
II Nagroda
- Badanie algorytmów uczenia maszynowego w zastosowaniu do rozpoznawania mowy personelu medycznego
Opiekunowie naukowi projektu : prof. Andrzej Czyżewski, mgr inż. Marta Zielonka
Kierownik: Wiktor Krasiński
Członkowie zespołu: Wiktor Krasiński, Jan Stopiński, Jakub Nowak, Przemysław Rośleń
Celem projektu było opracowanie metodyki dotrenowania i testowania dostępnych algorytmów transkrypcji mowy na tekst, np. w środowisku do uczenia głębokiego. Następnie, w oparciu o zadeklarowaną współpracę ze strony lekarzy Gdańskiego Uniwersytetu Medycznego należało zbudować i nagrać słownik polskich wyrażeń medycznych, które są używane przy opisywaniu chorób, kierowaniu na badania przez specjalistów wypisywaniu recept.Studenci przetestowali wiele systemów rozpoznawania mowy oraz systemów przetwarzania języka naturalnego, sporządzając szczegółowe raporty na ich temat. Następnie rozpoznali, przebadali i wybrali oprogramowanie nadające się do efektywnej syntezy mowy w języku polskim. Poświęcając znaczny nakład pracy dokonali syntezy 1200 nagrań mowy ze słownika medycznego przy pomocy kilku różnych głosów. Ponadto, w sposób eksperymentalny porównali kilka systemów adnotowania mowy w aspekcie ich skuteczności w wyławianiu z obszernych tekstów pojęć medycznych.
I Nagroda
- Badanie parametrów oraz optymalizacja interpolatorów fazy o różnych architekturach w niskoskalowalnej technologii CMOS
Opiekun naukowy projektu: dr hab. inż. Jacek Jakusz
Kierownik: Michał Kardas
Członkowie zespołu: Aleksandra Podgórska, Michał Kardas
Celem projektu było porównanie właściwości różnych architektur interpolatorów fazy wykonanych w technologii CMOS. Interpolatory fazy są stosowane w wielu współczesnych układach scalonych między innymi do generacji precyzyjnych wielofazowych sygnałów zegarowych. W tym celu studenci zaprojektowali dwa rodzaje interpolatorów i optymizowali je pod względem zadanych parametrów. Układ poddali szczegółowym testom symulacyjnym, które samodzielnie opracowali. Część wyników badań została przedstawiona w publikacji „Parameter analysis and optimization of phase interpolators of different architectures in low-scalable CMOS technology(2023)”.
I Nagroda
- Robot sprzątający - sprzątanie świata z wsparciem mobilnej platformy sztucznej inteligencji
Opiekun naukowy projektu: prof. Jacek Rumiński
Kierownik: Andrii Melnyk
Członkowie zespołu: Andrii Melnyk, Ahmad Shehada, Johan Carcamo Pineda, Murad Abdullayev, Arda Candas, Nirav Ratilal Vaghasiya
Celem projektu było stworzenie prototypu robota sprzątającego wraz ze stosownym oprogramowaniem. Studenci prowadzili prace badawcze w zakresie treningu i adaptacji modeli uczenia głębokiego, które na podstawie rejestrowanych obrazów klasyfikują rodzaj śmieci (np. papier, szkło, itp.). Ponadto wykorzystali kamerę głębi w celu określenia odległości robota od obiektu. Wyznaczyli również szereg parametrów związanych z lokalizacją celu (współrzędne, kąt) w celu sterowania robotem i właściwego ustawienia jego pozycji, umożliwiającej właściwą pracę ramienia chwytającego śmieć. Zastosowali platformę mobilną sterowaną mikrokontrolerem do poruszania czteroma silnikami kół. Zaprojektowali i wydrukowali w 3D elementy konstrukcyjne robota: uchwyty na moduły komputerowe, kamerę RGBD, pojemnik na śmieci, uchwyt na ramię robota. Warto podkreślić, że zintegrowali wszystkie części w jeden działający system (m.in. integracja Raspberry Pi, NVIDIA Nano, ramię robota sterowane własnym mikrokontrolerem, moduł sterowania platformą).
Nagrody firmy S&P Global
Wyróżnienie
- Implementacja algorytmu genetycznego na wielu GPU i badania wydajnościowo-energetyczne z wykorzystaniem mechanizmu power capping
Opiekun naukowy projektu: dr hab. inż. Paweł Czarnul prof. PG
Kierownik: Filip Magdziak
Rozwiązanie opracowane w projekcie stanowi framework pozwalający na implementację rozwiązań różnych problemów domenowych z wykorzystaniem algorytmów genetycznych. Framework pozwala na wykorzystanie wielu GPU w ramach serwera. Naukowym aspektem badań jest określenie preferowanych ustawień ograniczeń mocy (power cap) dla GPU, optymalizujących zadane kryterium wydajnościowo-energetyczne dla algorytmu genetycznego z wykorzystaniem wielu GPU (nowy aspekt na polu naukowym).
- Wykrywanie zaburzeń psychicznych na podstawie mowy
Opiekun naukowy projektu : prof. Bożena Kostek prof. PG
Kierownik: Anna Rekiel
Członkowie zespołu: Samuel Szurman, Marina Galanina, Anna Rekiel
(opis projektu powyżej - nagrody Dziekana WETI)
Nagroda
- Badanie algorytmów uczenia maszynowego w zastosowaniu do rozpoznawania mowy personelu medycznego
Opiekunowie naukowi projektu : prof. Andrzej Czyżewski, mgr inż. Marta Zielonka
Kierownik: Wiktor Krasiński \
Członkowie zespołu: Wiktor Krasiński, Jan Stopiński, Jakub Nowak, Przemysław Rośleń
(opis projektu powyżej – nagroda Dziekana WETI)
