blog6-beta_2

05组在软件工程作业中进行AI艺术鉴赏项目的Beta冲刺,团队成员包括叶鹏等6人。叶鹏因病未能完成任务,余艺学习前后端知识,朱泽灵研究神经网络模型,杨淋云构建前端UI,王匀卓学习SpringBoot,张丁月调试算法代码。由于组长病态,本周未举行例会。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

05组团队项目-Beta冲刺-2/3

本博客为OUC2022秋季软件工程作业

Beta冲刺 2/3 部分

一,基本情况

  • 团队ID:05
  • 团队题目:AI艺术鉴赏
  • 团队人数:6

二,冲刺概况汇报

简述各成员在本阶段内任务完成情况

- 叶鹏[组长]

  • 本周完成任务:

    • 感染Omicron

    • 卧床

    • 休息

- 余艺

  • 本周完成的任务:

    因为这星期不慎中招,成了阳性,心有余而力不足,没完成太多的任务。

    本周依旧是学习前后端的知识,以及学习如何对接前后端

    早期的开发方式如下图:

    image-20221225144101750

    前后端分离的探索:

    随着NodeJs的火热,前端已经可以本地开启服务写接口的情况下,就类似服务端开启tomcat一样,在这样的情况下,前端框架VUE、React等都在此基础上,提供了一套完整的技术解决方案

    这样做的意义:真正的解放了前后端,专注各自擅长的领域

    技术架构如下:

    image-20221225144406055

    前端node服务直接访问后端Java Restful Api接口服务,Api接口最终访问数据库完成数据查询最终返回node层,node渲染响应数据到前端

    如果存在会话信息同步等问题,可以使用中间件,例如redis缓存数据库,解决前端node和后端Api信息同步问题,传参可以通过JWT等方式完成接口权限验证

    • 计划下周完成的任务:

      学习有关接口的知识

- 朱泽灵

  • 工作内容及成果

    学习EfficientNet-B3网络,同时基于Resnext50,对EfficientNet-B3网络进行完善,基本实现返回出识别图片的作者信息。对实验代码进行完善,初步完成不同图像尺寸在不同loss下训练、识别情况的比较

  • 未完成的任务

    不同图像尺寸在不同loss下训练、识别情况的比较比较粗糙,识别准确率仍有待提高。

  • 代码签入情况
    在这里插入图片描述

  • 收获及总结

    对AI算法和神经网络的理解更加完善全面,对神经网络模型训练数据和测试数据的过程更加了解和熟悉,但是在具体训练方面仍然不够完善,识别准确率还需要提高。

- 杨淋云

  • 过去完成了哪些任务

    使用 HTML、CSS 和 JavaScript 构建了网站和应用程序的用户界面。

    使用Vue.js框架,巩固SpringBoot框架,提高了开发效率。

    设计和实现了一些动画效果、交互式元素和其他交互功能。

  • 还剩下什么任务,遇到了哪些困难

    使用 RESTful APIs 和 AJAX 请求与后端服务器进行通信。

    使用测试工具确保代码质量,并使用调试工具来解决问题。

  • 有哪些收获和疑问

    学到了很多知识,包括:

    • HTML、CSS 和 JavaScript:前端的基础技术,用于构建网站和应用程序的用户界面。
    • 框架和库:如 React、Vue.js 和 Angular,用于提高开发效率。
    • 版本控制工具:如 Git,用于管理代码和协作。
    • 测试工具:用于确保代码质量。

    写前端还学到了与团队协作的能力,并获得创造美观、实用的用户界面的技能。

- 王匀卓

  • 工作内容

    这周因为身体原因只学习了一点springboot知识,没什么很大的进展

  • 计划完成的任务

    继续学习springboot

  • 遇到的困难

    暂时没有

- 张丁月

  • 过去完成的工作

    修改和完善训练算法代码。

  • 计划完成的工作:

    继续调试代码,发现和消除相关bug。

  • 遇到的困难:

    阳了之后发了几天烧,学习和工作效率降低。

三,燃尽图

image-20221225195545903

四,例会照片

因组长中招摆烂,本周会议未举行

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值