人工智能实战2019 - 第4次做业（团队初期项目）- 就起这个名字吧

项目	内容
课程	人工智能实战2019
做业要求	第4次做业（团队第1部分）
课程目标	学习人工智能基础知识
本次做业对咱们的帮助	配置AI开发环境，手写识别应用入门
参考文献	AI应用开发实战 - 从零开始配置环境，AI应用开发实战 - 手写识别应用入门，基于本地模型的手写数字识别应用开发案例

##团队名称

---

就起这个名字吧

##NABCD模型

---

###1. N（Need 需求）

• 团队价值需求： 手写数字识别是经典的人工神经网络实践项目，目前有较为完整的理论和实现方法。咱们团队但愿经过实践此入门级项目，学习人工智能应用开发中的典型元素、练习应用人工神经网络的基础知识、锻炼代码编写水平、培养团队合做意识。
• 市场价值需求： 识别用户手写笔记，并进行索引以便查询或计算一些数学表达式的结果；帮助科研人员快捷的输入数学公式，可应用于论文撰写。
• 理论价值需求： 近年来，人工智能在图像领域取得了令世人瞩目的成果。借用人工智能领域的成果，助力开发者推动解决手写输入的相关问题，同时也能够反馈促进人工智能领域的发展。

###2. A（Approach 作法） 基本招数：

• Visual Studio Tools for AI
• CNN教程

独特招数：

• 支持算式识别
• 支持手写数字和字母录入

###3. B（Benefit 好处）

• 帮助团队成员锻炼代码编写水平，练习应用人工智能基础知识，为之后的深刻学习打下基础
• 整理开源知识

###4. C（Competitors 竞争）

• 其余作此项目的小组：愤怒的大猪蹄，人工智能小组

###5. D（Delivery 交付，Data 数据）

• 初期：单个手写数字识别
• 中期：基于STM32的手写数字和字符的识别
• 末期：算式识别，特殊运算符的识别，静态图像识别

##团队成员与分工

---

• 王铈弘：中期模型创建与算法实现、团队博客撰写
• 徐浩原：扩展功能原理的构建与算法实现
• 焦宇恒：后期模型创建与算法实现
• 毛亚奇：初期模型的创建与算法实现

##项目时间预估

---

• DDL为本学期第16周（2019/6/3）

##项目第一版（识别结果展现）

---

##总结

---

• 经过组合多种模型，混合传统编程方法，就能够打造出强大的AI产品
• AI模型可让不少不可能变为可能，可是传统软件的开发注意事项同样都不会少
• 作产品时，若是遇到不少数据、但很难找到规律的场景，不妨尝试可否用AI模型来解决问题

##初期的遗留问题

---

1.大小不一或没有居中

• 增长图像处理算法
• 训练一个目标检测（Object Detect）的AI模型

2.我的风格迥异

• 使用有表明性的数据集

3.识别字母、符号、中文

• 增长数据集