项目封面

项目背景

目前，人工智能是一个极其热门的专业，但是对于一些刚入学的大一新生或者刚接触计算机行业的人来说，人工智能的说法过于抽象，不能很好的理解人工智能的具体概念。在此次实验中，我们以人脸识别为例，通过对卷积过程的可视化展现对他们进行一个基础入门学习的引导。首先需要登陆我们的学号来进行实验，本实验的数据集是由100张人脸组成，其中80张为训练集，训练人脸识别模型；剩余20张作为测试集，测试模型分类效果。通过基于主成分分析（Principle Component Analysis，PCA）的卷积神经网络PCANet进行图片特征提取，然后送入大间隔分类器（Large Margin Classifier，LMC）进行训练最终得出训练结果。通过对于人脸识别过程的可视化，增强用户对人工智能，尤其是卷积神经网络和主成分分析中相关概念的理解。

项目原理流程

项目页面介绍

项目后端服务

1. 技术选型

在本小程序中，后端服务采用了以下主要技术及框架：

• Golang
• Gin
• gorm

2. 接口集合

查找题目

请求路径：/crmProblems/findCrmProblems

请求方式：Get

学生登录

请求路径：/base/login

请求方式：Post

获取图形验证码

请求路径：/base/captcha

请求方式：Post

Token 失效

请求路径：/jwt/jsonInBlacklist

请求方式：Post

获取实验结果

请求路径：/crmFaceRecognitionResult/findCrmFaceRecognitionResultByOptions

请求方式：Get

提交实验记录

请求路径：/crmUsersExperiments/createCrmUsersExperimentsFromUser

请求方式：Post

二、小程序服务

1. 技术选型

在本小程序中，采用了以下主要小程序相关技术及框架：

• Javascript
• Taro
• D.VA

2. 关于目录

2.1 组件目录

组件目录基于原子性原则，针对页面抽离了不同的组件，以便于后期的复用与维护。

2.2 页面目录

页面目录包含了所有用户可视的源代码文件。

2.3 工具目录

工具目录包含了所有辅助小程序稳健运行的工具函数。

项目体验二维码

项目团队/分工

此次参赛团队共分有两人，分别是耿雪纯、陈鹏宇。具体分工如下：

耿雪纯

• 后端python编程实现PCANet人脸识别整个可视化

• python编程搭建LMC分类器

• 调参提高识别准确率

陈鹏宇

• 前端

• 后端

• 后端管理界面

• 小程序

• 服务器部署

• 服务器维护。

其他

GitHub：https://github.com/polichan/Palette-taro

部署教程：https://github.com/polichan/Palette-taro/blob/master/deployment.md

部署教程PDF：链接：https://pan.baidu.com/s/1aXvnJRvvlWb9_nn3Vd1Dew 提取码：5llw

视频介绍链接：https://v.qq.com/x/page/t3153s85vi0.html

小程序文档介绍（含PCANet，LMC分类器原理介绍）：链接：https://pan.baidu.com/s/1p8VvnHs1BedCb0lQNMHAvw  提取码：s5al