Здесь мы перечисляем всех волонтёров, которые нам помогли. Считайте это залом славы.
Инженерия
| Имя |
Фокус |
| Aleksei Prokopov |
Работал над IoT-устройством цифровых весов (аппаратная часть) |
| Vjatšeslav Kekšin |
Опубликовал наш whitepaper (исследования) |
| Kurban Ramazanov |
Помогал с UI/UX, проектировал прототипы для улучшения опыта веб-приложения |
| Alonso Solis |
Участвовал в хакатоне andmetorm, работал над UI-дизайном и FE-компонентами |
| Adrian Ala |
Участвовал в хакатоне andmetorm, работал над UX-потоком и питчем |
| Ahmed Daoudi |
Помог с telemetry-api, собрал начальную версию сервиса на express/nodejs |
| Muhammad Zain Shakeel |
Помог с 3D-моделью роботизированного улья |
| Natalia Kinash |
Участвовала в хакатоне, где помогала Reinis Indans с обработкой спутниковых снимков |
| Reinis Indans |
Участвовал в хакатоне, где выполнил основную работу по сбору данных и обучению модели для подпроекта спутникового опыления - микросервис satellite-pollination-map |
Исследования в области машинного обучения - University of Tartu
Студенты курса Machine Learning Университета Тарту (MTAT.03.227) под руководством Dmytro Fishman, доцента, которые внесли production-ready AI-модели для детекции пчёл и шершней
| Имя |
Фокус |
Вклад |
| Kreete Kuusk |
Детекция типа пчёл (T30) |
Обучение модели YOLOv8, ручная проверка датасета и контроль качества, координация команды |
| Danni Zhang |
Детекция типа пчёл (T30) |
Обучение модели YOLOv10, препроцессинг с тайлингом изображений, copy-paste augmentation для балансировки классов |
| Jasper Luik |
Детекция типа пчёл (T30) |
Поиск датасетов на Roboflow, исследование модели RT-DETR, начальное обучение YOLOv10 на сбалансированных/несбалансированных данных |
| Rasmus Mirma |
Детекция типа пчёл (T30) |
Обучение модели YOLOv12, подготовка датасета из Mississippi State University, визуализация модели на изображениях и видео |
| Albert Unn |
Детекция шершней (T14) |
Разработка модели, создан YOLOv8-nano с точностью 96,7% для детекции шершней у летка |
| Kadi-Liis Kivi |
Детекция шершней (T14) |
Разметка и препроцессинг датасета для детекции шершней (~1250 изображений) |
| Karen Roht |
Детекция шершней (T14) |
Исследование архитектур моделей и обучение, сравнительный анализ моделей детекции |
| Otto Kase |
Детекция шершней (T14) |
Создание и аугментация датасета, специализация на разработке data pipeline |
| Norman Tolmats |
Мультиклассовая детекция пчёл (T41) |
Пайплайн авторазметки, сгенерировано 30k+ размеченных изображений, руководил экспериментами с YOLO |
| Mihkel Kulu |
Мультиклассовая детекция пчёл (T41) |
Оценка датасета, итерации модели и валидация для классификации пчёл в реальном времени |
| Joonas Tiitson |
Мультиклассовая детекция пчёл (T41) |
Собрал начальный YOLO-пайплайн на датасете Roboflow, оценил альтернативные архитектуры вроде RT-DETR |
| Markus Kivime |
Мультиклассовая детекция пчёл (T41) |
Ручная разметка валидационного датасета, контроль качества для оценки модели |
Тестирование
Идеи продукта
Спасибо всем!
