CMU探究項(xiàng)目

人工智能算法自動(dòng)識別分類寵物貓、狗的品種

課題簡介

計(jì)算機(jī)視覺

Computer Vision

是一門研究如何使機(jī)器“看懂”世界的科學(xué)，是從圖像和 視頻中提出數(shù)值和符號信息，建立算法使得計(jì)算機(jī)能夠理解圖片內(nèi)容的過程。具體的計(jì)算 機(jī)視覺任務(wù)可以包括但不限于：圖像分類，圖像增強(qiáng)，圖像分割。其應(yīng)用相當(dāng)廣泛：人臉 識別，車輛檢測，目標(biāo)跟蹤等。

圖像分類是根據(jù)圖像的語義信息將不同類別圖像區(qū)分開來，是計(jì)算機(jī)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(wù)的基礎(chǔ)。 一般來說，圖像分類通過手工特征或特征學(xué)習(xí)方法對整個(gè)圖像進(jìn)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(guān)重要。

本課題旨在運(yùn)用圖像處理機(jī)器學(xué)習(xí)技術(shù)對動(dòng)物圖像分類。課題分成兩大部分，第一部分從數(shù)字圖像處理入手，學(xué)習(xí)人工生成集中經(jīng)典圖像特征，如直方圖，關(guān)鍵點(diǎn)描述子等， 后半部分嘗試用神經(jīng)網(wǎng)絡(luò)做特征提取。第二部分是機(jī)器學(xué)習(xí)分類器模型。課題將介紹邏輯回歸，KNN，Kmeans，SVM，在后半部分會(huì)涉及簡單的神經(jīng)網(wǎng)絡(luò)分類器。

 

科研方法

AI+X數(shù)據(jù)驅(qū)動(dòng)型科研

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬萬，使用傳統(tǒng)的科研方式對其進(jìn)行分析，工程量大、過程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫，與過往的研究成果進(jìn)行對照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。

整個(gè)科研教學(xué)流程中，每一位學(xué)員都將有學(xué)術(shù)督導(dǎo)協(xié)助保障研究階段性作業(yè)和論文的進(jìn)度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級學(xué)生，有較強(qiáng)的邏輯思維和抽象思維能力

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

 

數(shù)學(xué)：
1、概率統(tǒng)計(jì)基礎(chǔ)知識；
2、矩陣線性變換；
3、微積分基礎(chǔ) 函數(shù)求導(dǎo)求極值；

 

計(jì)算機(jī)：
1、Linux 或者 macOS 編程環(huán)境的配置；

以上就是關(guān)于【CMU探究項(xiàng)目：人工智能算法自動(dòng)識別分類寵物貓、狗的品種】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

貝賽思進(jìn)度太快怕掉隊(duì)？翰林校內(nèi)同步班課重磅推出，長期小班穩(wěn)節(jié)奏

從羅馬帝國到新冠先驅(qū)：TCR 歷史期刊收錄主題揭秘，為什么這項(xiàng)投稿值得深耕？