CMU探究項目

人工智能算法自動識別分類寵物貓、狗的品種

課題簡介

計算機視覺

Computer Vision

是一門研究如何使機器“看懂”世界的科學，是從圖像和 視頻中提出數值和符號信息，建立算法使得計算機能夠理解圖片內容的過程。具體的計算 機視覺任務可以包括但不限于：圖像分類，圖像增強，圖像分割。其應用相當廣泛：人臉 識別，車輛檢測，目標跟蹤等。

圖像分類是根據圖像的語義信息將不同類別圖像區分開來，是計算機視覺中重要的基本問題，也是圖像檢測、圖像分割、物體跟蹤、行為分析等其他高層視覺任務的基礎。 一般來說，圖像分類通過手工特征或特征學習方法對整個圖像進行全部描述，然后使用分類器判別物體類別，因此如何提取圖像的特征至關重要。

本課題旨在運用圖像處理機器學習技術對動物圖像分類。課題分成兩大部分，第一部分從數字圖像處理入手，學習人工生成集中經典圖像特征，如直方圖，關鍵點描述子等， 后半部分嘗試用神經網絡做特征提取。第二部分是機器學習分類器模型。課題將介紹邏輯回歸，KNN，Kmeans，SVM，在后半部分會涉及簡單的神經網絡分類器。

 

科研方法

AI+X數據驅動型科研

AI＋X數據驅動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

英文：
1、具備基本的學術英語閱讀能力；
2、接觸過英文寫作，能初步撰寫英文文章；

 

數學：
1、概率統計基礎知識；
2、矩陣線性變換；
3、微積分基礎 函數求導求極值；

 

計算機：
1、Linux 或者 macOS 編程環境的配置；