- AI达人创造营课程整体节奏
- 百度AI达人创造营课程表
课程福利
终极学霸榜：
- 总成绩TOP1: 机械键盘
- 总成绩TOP2-3: 小度熊太空充电宝
- 总成绩TOP4-10: 百度定制双肩包
学习先锋榜：
- 优秀学员奖：课程排名10%可获得优秀学员证书
- 优秀项目奖：被选上AI studio精选项目可获得小度熊抱枕
所有结业的同学：纸质结业证书1份
PPDE 韩磊：
创意：将现有想法进行某种组合
趣味项目：
- 游戏复刻
- 特效复刻
- 表情机器人
Paddlehub趣味项目--表情机器人
熊猫头表情聊天机器人
功能：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。
实现：
- 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)
流程：
框架：
Wechaty:
Paddlehub:
注意：
- 熊猫头抠图属于预处理过程，可以提前处理好，保存到静态文件里。
PPDE 顾茜：
目标检测任务与安全帽佩戴检测
目标检测任务：
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PaddleX GUI 进行迁移学习训练，可实现安全帽检测模型的代码开发。
同时介绍了PaddleX的实时视频流预测部署、PaddleHub-Serving。
基于PaddleDetecyion+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：
- 数据采集与标注
- 模型开发
- 模型部署
1.数据采集与标注
有公开的数据集 （已标注）
1.1 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。
1.2 树莓派环境准备
在树莓派上安装PaddleLite预编译库
1.3 拉取部署项目，替换默认标签
在Paddle-Lite-Demo中拉取部署项目示例
1.4 实现蜂鸣器报警模块
创意来源----“以终为始”
1.一个想法
结合实际问题，产生关于一个场景的想法
2.尝试验证
可以从易到难，从最熟悉的思路做起，开始尝试解决方案。
3.用项目记录进展
一个孤立的项目不能形成一套解决方案，但可以逐步探索，每一次探索可能就产生了新的项目。
项目创意：面向不同场景的解决方案
- 目标检测
布匹、白酒等瑕疵检测项目，树莓派检测模型全流程系列项目
- 脚本任务怎么用
各大模型库脚本系列项目
- 比赛or课程
面向比赛和课程开发的项目
- 网页、邮件安全解决方案
PaddieNLP系列项目
找官方要灵感：各种“小众”模型库
（多翻github有惊喜）
- Parakeet
- PGL
- EasyEdge
PPDE 颜鑫：
“创意源于生活”
关注生活中的新闻、时事，
将所学应用于生活中的需求
项目技术可行性评估
1. 数据
AIStudio、kaggle、天池、讯飞
2. 训练
PaddlePaddle、PaddleX、Paddlenlp、PaddleGan
3. 部署
PC端、树莓派、服务器、小程序/APP
如垃圾分类项目
1.数据获取及处理
在AIStudio等数据平台选取合适的开源数据集或自己动手制作数据集，并根据自己选取的开发工具对数据集进行适应性处理。
2.模型训练及压缩
根据部署环境的不同，选取ResNet50_vd_ssld或MobileNet_v3等模型进行针对性训练及压缩。
3.模型部署
python低代码视频流预测Hub Serving 服务化部署EasyEdgeAPP部署
PPDE 郑博培：
AI看图写诗
思路来源于GitHub上“狗屁不通文章生成器”
实现思路：
1.获取图像信息
首先让机器看懂所给图片的内容（图像分类）
2.扩展关键字
有了图像的关键信息之后，需要把这些关键字串起来。
将关键字组合成一首古诗的上阕
3.得到古诗词
PaddleHub有生成古诗词的预训练模型，根据古诗词的上阕，很轻松可得到模型生成的下阕，最后组合起来就是一首完整的古诗。
存在问题：同一张图像可能只能生成一首古诗，而且是同一首，就缺乏了多样性。（采取目标检测，获取更细微的信息）
改进--->中秋特别版
1.使用目标检测获取图像内物体的信息
2.将识别结果送入文本生成模型
3.将上阕送入古诗生成模型
