飞桨领航团AI达人创造营1-让人拍案叫绝的创意都是如何诞生的？(创意课程）

让人拍案叫绝的创意都是如何诞生的？(创意课程）
本课程介绍如何写一篇精品项目，如何启发创意，如何获取数据集，如何调优。以及多个平台的部署方案，如何构建项目，如何进行思考：

第一位韩磊讲师（趣味互联网创意）

创意：是将现有想法进行某种组合（在已有事物上进行扩展）
以前项目：
通过游戏改进案例创意：
人脸三维弹射创意
变换环境魔改创意：强化学习项目
体感游戏创意：人脸分割模型分割在球中穿梭，根据人脸像素值进行评判
更新第二版目标检测模型第三个版本进行抽象
特效复刻案例：通过短视频特效创意
人像分割模型，
鼓点踩边，色彩梯度进行增加
放大镜加人脸识别模型
换天空特效，分割模型任务，二分类模型
效果复刻案例创意：

任务叠加，空间域+时间域叠加
伪3D,人物分割

人体分割、人体检测、头部检测、肢体检测、acerp分割

表情机器人：熊猫头表情生成器
实现功能：给出人脸图片，机器人可以自动把熊猫头添加并额外可以添加文字效果
创意来源：喜欢表情包，聊天时喜欢表情，为了快速生成表情包
实现方式：
接收照片、视频、文本消息，并转换成对应熊猫头表情包的聊天机器人。
表情
Paddlehub
聊天机器人
Wechaty一个开源聊天机器人框架SDK，具有多平台、多语言和多插件的特性，支持Python, Go, Java, Scala, .NET, PHP, Rust 等多语言版本，通过几行代码即可创建一个聊天机器人
实现流程：

实现框架：

详细技术框架

算法模型框架paddlehub（人脸分割模型+关键点检测模型）

第二位顾倩讲师（非互联网企业创意）

“以终为始”
场景驱动项目
从问题找到想解决的场景，为实现某个特定场景的解决方案，探索形成一系列“创意”项目。

以前项目：
生产过程安全帽检测创意：
目标检测任务与安全帽佩戴检测
目标检测任务目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。
安全帽佩戴检测模型安全帽佩戴检测是计算机视觉在工业安全领域应用的典型场景。本文使用PaddleXGUI进行迁移学习训练，可实现安全帽检测模型的0代码开发。同时介绍了PaddleX的实时视频流预测部署、PaddleHub-Serving。基于PaddleX/PaddleDetection+Paddle-Lite，也可以实现安全帽检测模型在树莓派上的部署。
开发流程：

1.训练并导出部署模型PaddleDetection训练ssd-mobilenet检测模型，使用PaddleLite导出部署模型第一步
2.树莓派环境准备在树莓派上安装PaddleLite预编译库
3.拉取部署项目，替换默认标签到Paddle-Lite-Demo中拉取部署项目示例，并准备好安全帽检测标签
4.实现蜂鸣器报警模块微调示例代码，加入蜂鸣器报警和检测图片保存模块
面向不同场景的解决方案：

找官方要灵感：各种“小众”模型库

第三位闫鑫讲师（生活社会管理创意）

创意来源于生活

以前项目：
新闻资讯方面创意–森林火灾检测预警项目
日常生活出行–车辆事故检测项目（路障检测工具）
社会管理–吸烟检测
日常生活—垃圾分类

举例：日常生活—垃圾分类
只聚焦于手机小程序/APP而忽略实际使用场景只关注于群众是否自觉进行垃圾分类而忽略监管
当前市场上垃圾分类的相关产品绝大多数的载体在于小程序或者APP，但在实际使用中，很少有人愿意打开小程序或者APP去进行垃圾分类。【市场缺乏】
当前垃圾分类的相关产品的聚焦点绝大多数均集中于普通群众是否自觉并正确进行垃圾分类，而忽略了正常监管的参与。【社会管理】
技术流程

项目技术可行性评估

EasyEdge部署
参考教程：https://aistudio.baidu.com/aistudio/projectdetail/1757082
测试部署基于PyQt5可视化部署B站链接：https://www.bilibili.com/video/BV1354y1b7H7/

第四位郑博培讲师（技术改进创意）
项目背景：创意来源（通用版）
思路来源于GitHub上的“狗屁不通文章生成器”“狗屁不通文章生成器”的原理很简单，在没有用到深度学习模型的情况下，只要输入关键字就能随意生成字数上万的文章。看到这个项目以后，我就在想，能不能实现其他更高级的操作？于是，我想到了根据图片生成文章的想法。日常生活中，我们经常会遇到在拿起手机准备发朋友圈的时候，却不知道在选好图片后要写什么文案的情况；又或者是看到一处美景时，想不出别的高级形容词，只会说：“天哪，太好看了吧！”。PaddleHub有很多PaddlePaddle生态下的预训练模型，能非常快速地完成模型的管理和预测。因此，我基于PaddleHub制作了看图写诗的项目

实现思路：
类比人类看图说话的方法让AI也能看图“说话”

项目背景：创意来源（中秋特别版）
古有文人墨客举杯邀明月，今有百度飞桨看月写诗。
中秋节以月之圆兆人之团圆，为寄托思念故乡，思念亲人之情，祈盼丰收、幸福。如今，在中秋节赏月、吃月饼、猜灯谜等已经成为了这一天必不可少的项目。
古有文人墨客举杯邀明月，今有百度飞桨看月写诗。为了将我们中华民族的优秀传统文化发扬光大，我也打算写一写诗，但不同的是，我打算让AI自己写诗。

实现思路：
比人类看图说话的方法让AI也能看图“说话”