人工智能實戰2019 - 第4次做業（團隊初期項目）- 就起這個名字吧

項目	內容
課程	人工智能實戰2019
做業要求	第4次做業（團隊第1部分）
課程目標	學習人工智能基礎知識
本次做業對咱們的幫助	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，目前有較爲完整的理論和實現方法。咱們團隊但願經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、鍛鍊代碼編寫水平、培養團隊合做意識。
• 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，助力開發者推動解決手寫輸入的相關問題，同時也能夠反饋促進人工智能領域的發展。

###2. A（Approach 作法） 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）

• 幫助團隊成員鍛鍊代碼編寫水平，練習應用人工智能基礎知識，爲之後的深刻學習打下基礎
• 整理開源知識

###4. C（Competitors 競爭）

• 其餘作此項目的小組：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：中期模型創建與算法實現、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：後期模型創建與算法實現
• 毛亞奇：初期模型的創建與算法實現

##項目時間預估

---

• DDL爲本學期第16周（2019/6/3）

##項目第一版（識別結果展現）

---

##總結

---

• 經過組合多種模型，混合傳統編程方法，就能夠打造出強大的AI產品
• AI模型可讓不少不可能變爲可能，可是傳統軟件的開發注意事項同樣都不會少
• 作產品時，若是遇到不少數據、但很難找到規律的場景，不妨嘗試可否用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

• 增長圖像處理算法
• 訓練一個目標檢測（Object Detect）的AI模型

2.我的風格迥異

• 使用有表明性的數據集

3.識別字母、符號、中文

• 增長數據集