第13组 Alpha （2/6）（俞子君）

一、过去三天完成了哪些任务

1.实现用户上传文件的功能

3.服务器的搭建

4.选取我们此次训练的模型

二、每个人的工作

俞子君：项目规划、博客撰写、模型训练

蔺一迪：后端开发、模型训练

李瑞涛：前端开发、网页设计

林思源、李剑飞：接口实现

卢浩：服务器搭建、仓库管理

1.现在完成的任务

李瑞涛：实现用户上传图片的功能

俞子君、蔺一迪、卢浩：了解Restnet与EfficientNet，通过对比找到我们需要的模型

模型最重要的便是提高分辨的准确率，即提高精度，为了提高模型精度，会使用增加网络层深度、调整网络的宽度等方法，但是传统的CNN模型在深度增加到一定程度时会导致网络收敛得很慢，由此可知一味地增加模型深度这一方法并不现实，因此引入了Resnet以及EfficientNet两种模型。

Restnet通过残差学习用多个有参网络层学习输入、输出之间的残差，从而提高准确率。

EfficientNet通过一套复合系数从depth、width以及resolution三个维度放大了网络，从而提高精度。EfficientDet与ResNeSt分别是EfficientNet与Resnet的进阶版，前者以EfficentNet作为主干网络，在此基础上增加了BiFN（特征网络）使得模型能够高效地双向跨尺度连接以及加权特征融合；后者提出了Split-Attention模块，用于替换ResNet中四个stage的conv。

综合种种因素，我们准备使用ResNest作为模型构建我们的网络，EfficientDet作为备选方案。

林思源、李剑飞：统一接口服务数据的格式

2.计划完成的工作

李瑞涛：实现用户上传照片到服务器的功能

俞子君、蔺一迪、卢浩：选定合适的模型

林思源、李剑飞：定义接口服务数据的格式

3.遇到的困难

1.python的用法尚未清楚

2.前端和后端的数据格式未知，从而导致无法完成接口的编写。我们决定先统一数据格式，再进行端口的编写

3.ResNest模型与EfficientDet模型的选取，并不能准确的分析究竟哪一个模型更适合我们的项目

三、燃尽图

四、例会照片

五、还剩下什么任务，有什么困难

接口实现：

1. 能够用Python语言写出正确完整的接口。

2. 随着项目的深入，不断优化更新接口。

3. 不断优化更新接口文档，因为文档里面对接口的描述可能不全，可能缺每个参数详尽描述（取值范围、类型）、请求方式（GET、POST、PUT、DELETE）、返回数据的所有状态等等。

前端设计：实现显示识别结果的功能

后端设计：用Python写出模型并进行训练

六、收获和疑问

疑问：目前尚不清楚如何规定合适的数据格式，才能正确返回我们想要的结果信息。需要进一步研究。