今天听了几个PPDE分享的创意来源，获得了很多收获，通过梳理每个人讲解的内容后整理成以下几部分内容

一、让人拍案叫绝的创意都是如何诞生的

主要是进行日常娱乐项目的创新，表情包制作，三维弹球结合脸部捕捉、Flappy bird多鸟闯关、坚持100s结合脸部捕捉（应用ACRP）、影流之主结合跳舞、人脸表情结合哈哈镜放大嘴部。
涉及领域：人脸捕捉、OCR、分割模型
具体实例：表情机器人-人脸结合熊猫头表情形成表情包
实现流程：wechaty读取文字图片，通过json形成请求；通过django合成表情包，返回wechaty发回消息。其中，paddlehub实现人脸分割结合
后续改进方向：头的位置大小可以进行预处理，脸部取轮廓可以实现更合理的颜色/灰度变化

二、零代码实现安全帽检测模型

解决生产中的实际问题，工业安全领域的目标检测任务与安全帽佩戴监测。使用人工智能和计算机视觉技术实现自动化，使用PaddleX GUI进行迁移学习，使用Paddle进行实时视频流预测部署。实现流程分为三阶段：数据采集标注（应用公开数据集）→模型开发→模型部署

三、创意源于生活

本项即为生活方面的创意，例如生活出行（如车祸）、新闻资讯（如火灾）、社会管理（吸烟检测）、日常生活（垃圾分类）都可以成为创意的来源。垃圾分类：创意来源：在上海，有各种垃圾分类的参考标准和管理条例
垃圾分类现状：进展缓慢，半数群众缺乏分类知识
当前方案：手机APP查询，只关注群众是否自觉，忽略监管
数据来源：（开源数据集/爬虫方式获取？）→AIStuidio数据集找到华为挑战杯相关数据

训练方式：（自然视觉？自然语言处理？用哪些套件）→最终部署方式反推训练方式

部署方式：（如何实现“最后一公里”）→部署Python视频流/hub服务化/easyedgeAPP，用PyQt5可视化部署

四、看图写诗的创意是如何诞生

GitHub上的狗屁不通文章生成器为项目创作的来源
PaddleHub有很多PaddlePaddle生态下的预训练模型，可以快速的完成模型的管理和预测
获取图像信息（让机器看懂图片是什么）→拓展关键字（把关键词串联，形成古诗上联）→得到古诗词（PaddleHub有古诗词预训练模型，根据上联生成下联）
中秋特别版，思路改为获取图像信息（目标检测）→识别结果送入文本生成模型→上阙送入故事生成模型