《软工摸鱼团队》第5次作业:项目选题

《第16组团队》第5次作业:项目选题

文章目录

  • 《第16组团队》第5次作业:项目选题
    • 一、 前言
      • 1.1项目名称
    • 1.2项目简介
    • 二、 NABCD模型分析
      • 2.1Need(需求)
      • 2.2Approach(做法)
      • 2.3Benefit(好处)
      • 2.4Competitors(竞争)
      • 2.5Delivery(交付)
    • 三、电梯演说

一、 前言

1.1项目名称

AI艺术鉴赏,看画猜作者

1.2项目简介

“抽象是艺术史上的自然进步,然而算法捕捉到了这一点”。
很多人认为理工男普遍缺乏艺术细菌,不懂欣赏艺术的抽象美,然后现在理工男设计的AI算法已经能够理解艺术。罗格斯大学的艺术与人工智能实验室制作出一套名为CAN(创造性对抗网络)的AI系统,CAN向我们证明人工智能可以理解艺术发展脉络和学习路径,所以软件的任务就是训练模型,识别名画的作者。本次比赛数据集来自49位大师的作品,乔托·迪·邦多纳、毕加索、梵高、安德烈·鲁勃廖夫、提香·韦切利奥等。
我们将制作画风精美的WEB版软件,基于神经网络模型、由用户上传名画,能够自动准确识别图片信息,由系统返回该名画的作者信息和创作背景。

二、 NABCD模型分析

2.1Need(需求)

一方面,对于艺术研究者而言,对绘画的学习和鉴赏是十分重要的。绘画作品种类繁多复杂,想要学习和研究一副作品,艺术研究者需要寻找很多资料,这个过程会耗费较多的时间和精力。另一方面,对于大多数人来说,我们对著名的绘画作品总是耳熟能详的,但一些冷门的绘画作品展现在我们面前时,我们往往不了解它的详细信息。因此,我们想要设计一款软件,帮助人们更快、更便捷地识别一副绘画的详细信息,为艺术研究者提供研究学习的工具,同时也可以帮助艺术爱好者提高自己的艺术鉴赏能力。

2.2Approach(做法)

1、我们小组中的成员有过开发网站,小程序等项目经历。对JS、CSS等前端技术,有一定的了解,也掌握了Python等开发后端技术。
2、针对数据学习,我们将会基于神经网络,并使用AI研习社和不同网站的数据完成模型的建立,采用深度学习模型训练测试数据集,不断地提高准确率。
3、将前端做成可交互的网页,同时用户也能在此网页中获取到其他的信息。通过用户上传图片,系统通过调用接口,在服务器通过神经网络模型准确识别名画的基本信息和作者信息。

项目特色:

1、除了网页自带的图片识别,用户也可进行交互操作,上传图片进行识别。

2、除识别名画以外,我们可以自己进行创作然后进行上传,分析图画风格类似于哪张名画。
3、我们的网页画风精美,还能给用户带来更多的艺术体验

预计难点分析:

1、前后端的链接问题
2、团队分工问题的细化和衔接
3、团队成员均没有学习过Java后端开发技术,且对于前端开发基础较为薄弱,可能会遇到很多问题。
4、算法的优化和识别率的提升

2.3Benefit(好处)

首先,网页形式,无需下载,即可使用,用户使用方便,且网站不需要投入过多的人力、物力、财力,成本低。其次,界面图形结合,颜色丰富,十分生动,吸引用户兴趣,有良好的交互性,用户使用操作简单。最后,使用一些先进的技术,使系统能够更加精准、快速地识别画作,给与作者信息,使用户能够更加方便快速地了解作品的作者,深度鉴赏作品,进行着欣赏再创作。

2.4Competitors(竞争)

1.通过市场调研,我们发现目前市面上并没有一款比较有名的聚焦于艺术鉴赏,绘画识别的软件。这款软件的实现可以填补市场空缺,占领市场份额。

2.这款软件成功把握了艺术学习者的需求,如果成功推广将会拥有很强的竞争力。

3.相对于其他同类型的产品,我们的产品拥有更加简洁方便的界面,带给用户更好的体验。

2.5Delivery(交付)

我们会将我们的程序代码放到gitee的开源仓库中,以便更多人了解和使用我们的程序,我们还会对其进行后续跟进,不断完善程序,使得程序更加的方便、快捷、精美,还会与对我们的程序有疑问的使用者进行交流沟通。
与此同时,通过各小组成员的交友圈进行产品推广。我们会找一部分同学和由相关需求的人对我们的程序进行体验,体验过后通过问卷对产品的正确率进行反馈。

三、电梯演说

对于艺术研究者,我们能帮助鉴赏不同艺术家的绘画手法和风格
对于艺术爱好者,我们能精准识别名画的作者,以及作品的特点,提高他们的艺术鉴赏能力
我们的《拾画》
是一个智能数据处理,图像识别软件
它能够智能识别名画作者
不同于浏览器和微信等平台的基础图像识别功能,
我们的产品聚焦于图画的作家识别,更加具有针对性且更加准确详细,让每个人都能对艺术作品侃侃而谈。

《软工摸鱼团队》第5次作业:项目选题_第1张图片

你可能感兴趣的:(软件工程,神经网络)