软件杯（项目分析讨论）

今日我们小组对前几日软件杯讨论进行总结。

　　　由于我们的题目是基于华为云昇腾AI的视频分析。这次的项目作业都要在ModelArts上进行部署上线。所以我们首先对这个ModelArts进行研究。对基本的开发流程总结出以下几点。

在modelarts平台中，使用开发环境中得Notebook写代码；开发算法（必须保存为.py；后面会充当启动文件），
自动保存在OBS设置的存储路径中。

算法管理：选择开发的算法，
“代码目录”
算法代码存储的OBS路径，请提前将代码文件上传至OBS中。
“启动文件”
必须为“代码目录”下的文件，且以“.py”或“.pyc”结尾。即ModelArts目前只支持使用Python语言编写的启动文件。


训练管理：这里就需要在我的算法中选择自己开发的算法。（这样最后会生成一个模型）

模型管理：从训练得到的模型选择（直接启动部署），实现功能

部署上线：添加视频测试功能

当然，我们也可以在自己的环境下编译好完整的模型，然后直接上传到OBS中。

其次，我们实质做的是对视频内部的物体进行种类识别（分类），在这个基础上我们首先想到的就是Mask RCNN。他能进行目标检测以及分割。还有一个技术就是使用

Tensorflow Object Detection API,这也是对目标进行检测识别（基于现成的模型，但是不好看）。我们小组对这个两项技术进行研究，其中对于Tensorflow Object Detection API取得成果比较明显。

能够进行图像分割了，下一步就是对视频进行逐帧处理，将视频的每一帧分割成为若干个图片，在网上看到一篇博客提及到过（但是遇到些困难，目前没有实现）。

这就是我们小组的项目分析过程，在这里附上我们在Tensorflow Object Detection API的成果小结。

官方图例：

 

网上随便找的一个图（测试）：

总结：在这里我们需要训练自己的模型，需要包括最基本的（人，车，路面，天空，不同种类的建筑进行分类等），首先在Tensorflow Object Detection API上根据现成模型做出视频分析效果，然后再补充mask rcnn的事物分割覆盖，将其运行，最后开发自己的模型，对项目进行完善以及补充。