### Архитектура
- **MediaPipe** для извлечения признаков
-  **LSTM** для классификации
-  **Streamlit** для MVP

[Репозиторий проекта GitHub](https://github.com/LazarevaL/AI_masters_project)

 [Telegram ](https://t.me/aurora124)для связи

### Сбор данных

Датасет создавался самостоятельно - небольшие видео по 7-9 секунд для **10** классов; я постаралась подобрать движения, которые были бы похожи на движения/жесты персонала в условиях производства. 

На видео ниже - пример класса *Использование тачки*

### Обучение

Для классификации движений по извлеченным из видео признакам я иcпользовала *LSTM*-сеть, состоящую из нескольких слоев; на выходе - 10 классов. 

В качестве лосс-функции была использована *categorical_crossentropy*, метрики -  *categorical_accuracy*

На тесте удалось добиться точности классификации близкой к 0.8

### Streamlit

Сервис получился довольно простым - кнопка загрузки видео, по окончании обработки появляется сообщение с веротяностью принадлежности к одному из классов.
Более подробно о настройке и запуске локально - на [GitHub проекта](https://github.com/LazarevaL/AI_masters_project)

Проект выполнен в рамках My First Data Project для ИТМО!

Детекция движений на производствеactive, Founded 9 months ago

Детекция движений на производстве
active,
Founded 9 months ago