[人工智能教程] 人工智能暑期课实践项目建议

哈工大人工智能暑期课实践项目建议

这个博客介绍了暑期课实践作业的建议。
时间：7/10 - 7/22. 一周上课，一周项目实践。
要求：项目实践的过程请用公开的博客记录。项目的源代码请放到 github 中。

每4 ~ 5 人一个小组，从下面的候选中选择题目：

1）手写数字识别增强版。在 MNist示例程序的基础上进一步扩展，
阶段要求：

能实现多个数字的手写体识别
能实现加减乘除符号的识别
能做一个手写体识别四则运算的APP （可以是网页服务或手机App)

微软讲师提供：识别单个字符的基本版程序。
给学生的建议：我们通过这个练习要学会如何增量改进人工智能模型（把已有模型加强，多个模型的合作）。
另外，我们借用这个练习来学习 OCR 的通用流程，看看有哪些可以重用的地方。
工程上的建议：先设计整个流程，并写完程序框架。把整个程序跑通后，再关心如何提高识别质量。

2) 识别海报照片中的信息并给用户提醒。
场景：你路过一个海报，上面写了“某年某月某日有某某活动”，觉得有点意思，就随手照了一张照片，继续办你的事情去了。过了一会儿，你的手机自动给你加了一个提醒，提醒内容就是刚才看到的那个海报，但是程序自动识别了海报的日期，标题，地点等关键信息。你的手机上还有其他很多照片，但是 AI 程序并没有把那些照片搞成提醒，它是怎么做到的呢？

微软工程师提供：一个基本的框架，并在课程中使用这个框架
给学生的建议：
收集训练数据，比如从网上爬取，自己从校园内收集
大量数据需要标记，考虑使用或自制工具辅助标记工作

3) 控制智能家居
在微软讲师提供的实例程序之上，增加新的场景
典型场景：
可以通过语音下达指令。
支持自然语言的多轮对话，如“打开卧室的灯。厨房的也打开。”
通过个性化的语音（如学生自己的语音）进行反馈。
微软讲师提供：语音控制开关灯的示例程序
给学生的建议：
通过微软认知服务语音转文本、语言理解来识别声音输入。
可以尝试通过识别特定的词汇来判断是否是后几轮对话，并复用之前识别出的上下文。
通过微软认知服务文本到语音转换来实现个性化语言输出。

4) 漫画的文字翻译
场景：很多优秀的漫画都是英文或日文的，我们能否用AI 把这些漫画中的文字抠出来，翻译为中文，并把中文再放回原来的地方，这样用户可以马上看到中文的漫画了？
阶段要求：
能替换、翻译基本的文字
能替换、翻译特殊字体的文字（如装饰性文字、音效文字）
能保持原有文字的字体和风格
微软讲师提供的材料：Microsoft Cognitive Service 介绍和示例程序。
给学生的建议：深入了解认知服务中视觉、语言以及必应的服务。着重在如何将几种服务集成到一起，设计出解决问题的流程。避免一开始将太多时间花在界面、数据等问题上。

5) 打造一个黄金点竞赛平台并用AI 程序参与比赛
详情见：黄金点游戏

6）自选项目（项目必须通过老师的审核，请准备 NABCD 的项目提案文档）

作业要求

创建一个团队博客，（可以在csdn.net 或 cnblogs.com), 请把博客地址告诉老师（发布到微信群里）
博客1：列出团队要实现的项目和大致的计划，列出项目的源代码仓库（见下面第3点），博客必须有一个团队成员在工作的照片（可以遮挡脸部）。
博客2：项目结束后，写一个博客描述项目的进程，软件的功能演示（可以录制视频或截屏），以及你在这个过程中碰到的困难，对AI 工具的反馈，等。
在Github 创建一个公开的项目，把项目的代码签入到那里。希望可以看到每天大部分队员都有代码签入，而不是最后一天所有代码 “神奇地” 由一个成员签入。没有中间的签入代码的，项目部分得 0 分。另外，项目可以使用外部的模块/数据/AI模型，请说明模块/数据/模型的来源，并尊重知识产权和遵守使用的要求。如果违背原来作者的使用协议，则项目部分得 0 分。
检查标准：
博客1，博客2，Github 的程序能够被 clone 并能在一个全新的机器编译成功，基本功能运行成功。