| 項目 | 內容 |
|---|---|
| 課程 | 人工智能實戰2019 |
| 作業要求 | 第4次作業（團隊第1部分） |
| 課程目標 | 學習人工智能基礎知識 |
| 本次作業對我們的幫助 | 配置AI開發環境，手寫識別應用入門 |
| 參考文獻 | AI應用開發實戰 - 從零開始配置環境，AI應用開發實戰 - 手寫識別應用入門，基於本地模型的手寫數字識別應用開發案例 |
團隊名稱
就起這個名字吧
NABCD模型
1. N（Need 需求）
- 團隊價值需求：
手寫數字識別是經典的人工神經網絡實踐項目，目前有較為完整的理論和實現方法。我們團隊希望通過實踐此入門級項目，學習人工智能應用開發中的典型元素、練習應用人工神經網絡的基礎知識、鍛煉代碼編寫水平、培養團隊合作意識。 - 市場價值需求：
識別用戶手寫筆記，並進行索引以便查詢或計算一些數學表達式的結果；幫助科研人員快捷的輸入數學公式，可應用於論文撰寫。 - 理論價值需求：
近年來，人工智能在圖像領域取得了令世人矚目的成果。借用人工智能領域的成果，助力開發者推進解決手寫輸入的相關問題，同時也可以反饋促進人工智能領域的發展。
2. A（Approach 做法）
基本招數：
- Visual Studio Tools for AI
- CNN教程
獨特招數：
- 支持算式識別
- 支持手寫數字和字母錄入
3. B（Benefit 好處）
- 幫助團隊成員鍛煉代碼編寫水平，練習應用人工智能基礎知識，為以后的深入學習打下基礎
- 整理開源知識
4. C（Competitors 競爭）
- 其他做此項目的小組：憤怒的大豬蹄，人工智能小組
5. D（Delivery 交付，Data 數據）
- 初期：單個手寫數字識別
- 中期：基於STM32的手寫數字和字符的識別
- 末期：算式識別，特殊運算符的識別，靜態圖像識別
團隊成員與分工
- 王鈰弘：中期模型建立與算法實現、團隊博客撰寫
- 徐浩原：擴展功能原理的構建與算法實現
- 焦宇恆：后期模型建立與算法實現
- 毛亞奇：初期模型的建立與算法實現
項目時間預估
- DDL為本學期第16周（2019/6/3）
項目初版（識別結果展示）
總結
- 通過組合多種模型，混合傳統編程方法，就可以打造出強大的AI產品
- AI模型可以讓很多不可能變為可能，但是傳統軟件的開發注意事項一樣都不會少
- 做產品時，如果遇到很多數據、但很難找到規律的場景，不妨嘗試能否用AI模型來解決問題
初期的遺留問題
1.大小不一或沒有居中
- 增加圖像處理算法
- 訓練一個目標檢測（Object Detect）的AI模型
2.個人風格迥異
- 使用有代表性的數據集
3.識別字母、符號、中文
- 增加數據集