前言
团队
| 成员 | 项目选题环节 | 评审环节 | 贡献比例 |
|---|---|---|---|
| 530 雨勤 | 商业计划书（封面、行业背景、产品介绍、财务预测） | 博客+评分+评分表整理+得分与问题收集 | 25% |
| 311 旭 | 商业计划书（摘要、市场分析、营销策略、项目团队） | 评分+问题回答 | 23% |
| 403 俊 | ppt制作 | 评分+问题回答 | 18% |
| 223 元 | 评审表+博客随笔 | 评分+评分表整理+问题回答 | 20% |
| 437 海辉 | 演讲 | 评分+问题回答 | 14% |
来自各组的评分情况
| 编号 | 团队名称 | 项目名称 | NABCD | 格式 | 内容 | PPT | 演讲 | 总分/100 |
|---|---|---|---|---|---|---|---|---|
| 1 | 天机组 | 指尖加密 | 75.00 | 80.00 | 80.00 | 80.00 | 79.00 | |
| 2 | PMS | Your eyes | 16.00 | 18.25 | 15.75 | 18.00 | 17.50 | 85.50 |
| 3 | 日不落战队 | 小葵日记 | 13.00 | 16.00 | 16.00 | 18.00 | 17.00 | 80.00 |
| 4 | 像我这么能打的还有五个 | WanderLand | 26.00 | 8.00 | 26.00 | 14.00 | 13.00 | 87.00 |
| 5 | 洛基小队 | START | 16.00 | 16.00 | 17.00 | 13.00 | 16.00 | 78.00 |
| 6 | Boy Next Door | WEB账簿管家应用 | 7.00 | 7.00 | 8.00 | 9.00 | 7.00 | 37.00 |
| 百分制换算 | 74.00 | |||||||
| 7 | Massivehard | 上一次 | 17.00 | 19.00 | 18.00 | 17.00 | 18.00 | 89.00 |
| 去掉最高分，去掉最低分 | 平均得分 | 81.90 |
来自各组对本组的提问
天机组
- Q：物体重叠时的精度问题？
- A：目标物体重叠问题可以通过算法解决。
- Q：现有市场竞争激烈。
- A：首先，各行业的竞争都是激烈的，我们需要在竞争中寻求上升机会；其次，我们这是一个某种程度上偏科研的项目，会有后续不断的完善以提升竞争力。
- Q：对视频分辨率有要求吗？
- A：原则上，视频的分辨率越高越好。在视频分辨率较低的情况下，检测准确度会有一定下降。
日不落战队
- Q：最终目标？
- A：就本学期的课程目标，完成简单监控场景下的视频摘要与人车检测与跟踪。识别率……
- Q：不同极端场合下的对应效果？
- A：在人车密度较小的场景下，达到90%的检测跟踪准确率；人车密度较大的场景下，存在较多的……，争取达到70%
- Q：BCD貌似没有介绍。
- A：BCD体现在我们的博客随笔中，
像我这么能打的还有五个
- Q：单单检测没有识别，对于准确率影响很大。
- A：我们主要做的功能是流量统计，只要能够完成对于人、车的分类检测，就能完成我们的目标，没有识别功能并不影响我们的准确率。
- Q：对于信息提取，非人类的活动，例如一个矿泉水瓶被风吹过来等问题怎么处理？
- A：我们会对获得的含有动态内容的视频帧中的物体进行检测分类，将只留下含有人、车目标的视频帧。
- Q：实用性不高，市场上的竞争对手强大。
- A：我们的主打功能是流量统计，流量统计可以用在交通、商业等多方面，具有相当的应用价值，不能说是实用性不高。市场上确实存在许多强大的竞争对手，但我们的产品走的还是轻资产路线， 不同于市面上大多的产品都配合硬件售卖，我们的成本更低，风险更小。
洛基小队
- Q：推广门槛是否过高？
- A：我们基于实验室已有的项目之上确立了本项目，如果确能得到可靠的产品，或能得到实验室的帮扶。
- Q：演讲中所说用某种方式进行视频摘要，请问是什么方式？
- A：首先，利用“帧差法”减除静止视频帧；再次，调用人车模块的检测方法，检测含有人车内容的视频帧；最后，将获得的有效帧合成一个完整视频。
- Q：能否给出计划要达到的识别率以及依据？
- A：在非密集无遮蔽场景下达到95%以上的检测准确率；在密集、遮蔽的场景下（上下课时间的校门口）达到70%检测准确率；对回溯视频中视频摘要错误率（包括静态被误存，目标背景被误错过）低于10%。
Boy Next Door
- Q：目前针对各路况无法给出统一的识别率。
- A：我们本学期的目标是完成简单场景下的检测，对于不同路况场景必然存在不同的准确率，无法统一，这也是所有市面已有产品的通病。
- Q：针对目前市场上已存在的阿里云”城市大脑“，你觉得你们的产品有什么亮点或不同的地方？
- A：针对“城市大脑”，他们是将供水、供电等散落在城市的资源信息化，而我们的产品注重监控场景下流量统计等，我们两方的产品本质方向是不一样的。
- Q：你们将来获取数据会不会不止通过摄像头的方式，而更多的是以传感器比如光感、温感的方式来获取数据并识别？
- A：不会，我们的产品理念是“轻资产”，运用摄像头能降低我们的硬件成本，我们不需要舍弃我们的优势而退而求其次。
Massivehard
- Q：监控目前主要以四轮车及行人为主，暂无法识别两轮车，因此应用场景有限制，如学校里多以电动车自行车为主，功能用处不大。
- A：两轮的交通工具（例如摩托、电动、自行车等）到目前为止都是科研研究的一项难题，产品不多，而我们的产品目标致力于单一行人及四轮轿车的识别，其他功能可能会在后续继续研发。
- Q：同一画面中能够捕捉到的对象上上限比较模糊。
- A：这是基于密度而言的，单位密度下我们初期定在两人，轿车与摄像头架设有关，只要没有过多的重叠是不会被检测到了。
- Q：希望能给出一些应用场景。
- A：工业园区、公司等入口处