Летната школа Мултимедиски технологии, Диоген 4.0" има за цел да им овозможи на студентите од завршните години проширени теоретски и практични знаења во областа на мултимедиските технологии. Таа е организирана од Институтот за електроника и традиционално се одржува пред почетокот на зимскиот семестар, оваа година од 24.09.2025 до 01.10.2025.

Целта на натпреварот е да се дизајнира и тренира модел (сијамска невронска мрежа - SNN) за препознавање на луѓе врз база на фотографија од лицето. Во натпреварот учествуваат екипи од по најмногу три студенти. Сите екипи снимаат множество фотографии од лице на луѓе (учесниците на натпреварот) во затворен простор (во ходниците и лабораториите на ФЕИТ) и снименото множество се анотира со подготвена алатка. Се започнува со дадена преттренирана SNN за препознавање на луѓе. Дадената SNN не може да постигне високи перформанси, очекувано, на необработени фотографии, поради што потребно е да се модифицира структурата на SNN и да се дотренира за препознавање на луѓе. Модификацијата може да содржи нов код додаден во кодот добиен на почетокот од летната школа. Не е дозволено користење на готови мрежи од други извори. Дотренирањето се прави со секвенциите снимени и анотирани во претходните чекори, како и со било кои множества на слики од интернет. На крајот од периодот за адаптирање на моделот, моделот и изворниот код за тренирање се предаваат на комисијата.

Во натпреварот тестирањето се прави со нови фотографии снимени од учесниците на натпреварот. Фотографиите снимени од сите тимови го сочинуваат множеството за тестирање. Тимовите ја имаат слободата да снимат фотографии со било кој израз на лицето или додатоци (очила, капа и сл.). Снимањето на множеството за тестирање се извршува со истата статична камера во истиот простор за сите тимови. Се очекува дека тимовите ќе снимат креативни фотографии во коишто нивниот модел добро ќе ги препознава луѓето, а противничките модели лошо. Дизајнираните модели ќе бидат применети врз тест секвенциите за пресметка на перформансите. Победува моделот со најдобри перформанси.