Alpha 冲刺 （4/10）

队名

• 火箭少男100

组长博客

• 林燊大哥

做业博客

• Alpha 冲鸭鸭鸭鸭！

成员冲刺阶段状况

• 林燊（组长）

  • 过去两天完成了哪些任务

    • 协调各成员之间的工做
    • 协助先后端接口的开发
    • 测试项目运行的服务器环境
    • 训练CTPN模型
    • 展现GitHub当日代码/文档签入记录(组内共享)
  • 接下来的计划
    • 协助算法迁移学习的强分类器以及弱分类器实现
      
    • 扩充数据集而且训练模型
    • 优化各个模型结构
    • 还剩下哪些任务
    • 燃尽图（组内共享）
      
    • 有哪些困难
      • 先后端接口复杂耦合度太高
      • 运行用的服务器性能不佳
• 有哪些收获和疑问
  • 经过阅读相关论文及实战模型，丰富了算法实践经验
  • 服务器端配置方面的心得
  • 服务器性能优化方面的心得
• 董钧昊
  • 过去两天完成了哪些任务
    • 测试服务器的环境
    • 根据测试结果调整网络参数
    • 优化了YOLO算法的导出结果模块
    • 利用Tensorflow对MNIST手写体的识别，增强对Tensorflow的理解
  • 接下来的计划
    • 将所有数据投入数据扩充来进一步丰富数据集(仍然缺乏数据)
    • 测试现有模块
  • 还剩下哪些任务
    • 所有数据的投入训练
    • 协助软件开发组完成服务器端对接
  • 有哪些困难
    • SRCNN高分辨率扩展效果不佳
    • 数据量过少，难以完成更优性能
  • 有哪些收获和疑问
    • 经过阅读残差网络论文及部分心得博客，较浅地理解了跨层跳跃链接
    • 掌握了朴素贝叶斯分类器的基本原理
    • Q：能否提早将Beta阶段内容提早实现呢？
• 卢恺翔
  • 过去两天完成了哪些任务
    • 对调整完参数的模型进行测试
    • 协助服务器的环境搭建
    • 根据测试结果调整网络参数
    • 利用Tensorflow对MNIST手写体的识别，增强对Tensorflow的理解
  • 接下来的计划
    • 对调整后网络的模型进行稳定性和正确率测试
    • 协助直推式迁移学习的训练
  • 还剩下哪些任务
    • 存在部分数据还没有标注
    • 部分原始数据处理
    • 添加更多数据
  • 有哪些困难
    • 测试的数据量过多，测试复杂、繁琐
    • 有效数据量过少，致使泛化程度不佳
  • 有哪些收获和疑问
    • 了解了Tensorflow的一些原理和应用
    • 利用Tensorflow框架实现MNIST手写体的识别
    • 了解Tensorflow框架实现CRNN的算法
• 陈俞辛
  • 过去两天完成了哪些任务
    • 明确了本次 Alpha 冲刺要完成的任务，并作好分工
    • 继续测试功能，已开发功能基本测试完毕
    • 收集本次博客以及现场编程博客须要的材料
  • 接下来的计划
    • 继续测试开发组完成的功能
    • 完成接下来的 Alpha 冲刺的博客
  • 还剩下哪些任务
    • 测试目前还没有完成的功能
    • 剩余的博客
  • 有哪些困难
    • 遇到的困难主要在现场编程环节，已经写在另一篇博客做业中，在这里再也不复述
  • 有哪些收获和疑问
    • 以前不多处理中文文本，因此没在乎编码格式的问题，看来接下的开发中也要规范中文文本的编码格式
    • Q：此次的现场编程环节任务量太大了...影响了 Alpha 冲刺，后面会增长冲刺时间吗？
• 杨喜源
  • 过去两天完成了哪些任务
    • 优化短信登陆界面
    • 开始写社区界面
  • 接下来的计划
    • 完成社区界面
  • 还剩下哪些任务
    • 一系列前端界面
  • 有哪些困难
    • 任务重，时间短啊，N个实践课。
  • 有哪些收获和疑问
    • 加强了java代码能力
• 朱志豪
  • 过去两天完成了哪些任务
    • 学习了JAVA语言
    • 完善了相册界面
    • 撰写了抽奖文案
    • 实现了软工团队现场编程的附加需求（将同窗之间互相提起的次数制做出可视化的图、将同窗被q的次数作成条形图）
  • 接下来的计划
    • 个人收藏界面的剩下部分
    • 用户发动态界面
  • 还剩下哪些任务
    • 一系列前端界面
  • 有哪些困难
    • 前端与后端的联系出了一些问题
    • 对python语言的不熟练致使实现附加需求花了较多时间
  • 有哪些收获和疑问
    • 熟悉了python的一些用法，学会用python制做网络图和条形图
    • 对后段的知识了解了一些
    • 对先后端的链接有些疑问
• 陈柏涛
  • 过去两天完成了哪些任务
    • 团队现场编程实战（抽奖系统）
    • 学Qt
  • 接下来的计划
    • 安卓客户端将数据上传到服务器
    • GPS功能的实现
  • 还剩下哪些任务
    • 各子页面功能的实现。
  • 有哪些困难
    • 现场编程实战任务量大，时间紧
    • 最后的整合因为前期沟通不够充分，存在一些借口的问题
    • 近几天要考试，要复习，时间紧
  • 有哪些收获和疑问
    • 对Qt的使用更加熟练
    • 学会了使用QPropertyAnimation制做场景切换效果
    • 团队合做能力获得提高
• 蔡宇航
  • 过去两天完成了哪些任务
    • 美化了自定义相机界面
    • 修复了一些相机的bug和分辨率问题
    • 移植代码到app中。
    • 进一步学习了Android studio关于surface view的内容
  • 接下来的计划
    • 完成与服务器之间的交互。
    • 完成登陆界面的美化工做。
  • 还剩下哪些任务
    • 美化与制做剩余界面
    • 与服务器之间的交互。
  • 有哪些困难
    • 相机像素存在问题，模糊。可是将调高分辨率导致相片大小增大，影响传输速度
    • 代码移植过去产生了一些小bug
  • 有哪些收获和疑问
    • 实现了textview即便显示交互，能够进一步将商铺招牌经过服务器的返回值框出来，达到更好的交互效果
    • 学会了调整拍摄相片的质量和预览的分辨率
• 刘宏岩
  • 过去两天完成了哪些任务
    • mysql数据库搭建
    • 熟练python爬虫并尝试爬取简单页面
    • mysql数据库搭建
  • 接下来的计划
    • 完成评论信息的爬取
  • 还剩下哪些任务
    • 评论信息爬取
    • 店铺简介爬取
  • 有哪些困难
    • python爬虫尚不熟悉
    • 可能有一些网站具备反爬虫手段
  • 有哪些收获和疑问
    • 学会了python环境搭建
    • 学会初步搭建mysql数据库
    • 初步学习了python中的bs4库

组内最新成果

• 算法组
  • 服务器端环境搭建(具体以下图所示，展现难度有点大，部分是经过编译配置的)
  • YOLO模型以及CRNN模型的训练(具体以下图所示)

• 开发组
  • 使用http获取服务器数据
  • 自定义相机

站立会议合照

会议耗时记录

第N次会议	耗时（分钟）
1	11
2	8
3	15
4	10

我的部分

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	60
· Estimate	· 估计这个任务须要多少时间	30	30
Development	开发	720	780
· Analysis	· 需求分析 (包括学习新技术)	360	360
· Design Spec	· 生成设计文档	60	60
· Design Review	· 设计复审	30	60
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	10
· Design	· 具体设计	90	120
· Coding	· 具体编码	120	120
· Code Review	· 代码复审	30	30
· Test	· 测试（自我测试，修改代码，提交修改）	20	20
Reporting	报告	130	130
· Test Repor	· 测试报告	60	60
· Size Measurement	· 计算工做量	10	10
· Postmortem & Process Improvement Plan	· 过后总结, 并提出过程改进计划	60	60
	合计	910	970

• 我的学习进度条

第N周	新增代码（行）	累计代码（行）	本周学习耗时(小时)	累计学习耗时（小时）	重要成长
1	500	500	12	12	单元测试的编写
2	200	700	16	28	Axure原型设计工具的使用、Python的文件读写
3	500	1200	20	48	Python爬虫的编写、词云图的绘制和Python的文件读写
4	300	1500	20	68	尝试使用Python深度学习框架
5	400	1900	14	82	绘制思惟导图、利用Qt构建Linux可视化界面
6	100	2000	8	90	学习tenserflow框架
7	200	2200	8	98	学习tenserflow框架