选题确定
•火灾是我们人身安全受到损害的主要原因之一。一旦火灾发生，时间非常宝贵，每一秒都可能决定着生死存亡。为了避免火灾发生我们不仅需要增强预防意识，而且时刻保持火灾发生后的应急通道畅通也是十分重要的。
•我们发现身边的小区普遍存在着楼道杂物大量堆放的问题，我们便想结合目前对人工智能领域的了解和实践基础，制作出一个判断社区楼道杂物是否存在安全隐患的二分类模型。
•火灾通道的畅通检查目前仅仅依赖于人工巡检，这种方式会极大的浪费人力资源，我们便设想通过楼道内现有的监控设备回传的照片，对其进行二分类，以快速区分并且定位有安全隐患的点位。这样可以较现有方法节约人力，提升效率，保护隐私等优点。
•这是我们的楼道安全管理模型运作的流程图，最终可实现全自动的采集，记录，上报。大大提升了楼道安全治理工作效率。
•我们制定了工作计划并且开始了各项进度。
数据集的收集
•在我们的项目选题前期，我们选择了在Kaggle，OpenImage，GoogleDataset，PaddlePaddle社区等专业数据集平台上搜集需要的数据集，但是遗憾的是我们没有找到符合要求的照片。
•于是我们选择了通过自主拍摄、网络检索、问卷收集等各种方式自主收集整理数据集，并且在paddlepaddle上发布了我们自主整理的数据集。
https://aistudio.baidu.com/aistudio/datasetdetail/196939
选择算法和模型的过程
•我们在选择神经网络、模型、传入参数的过程中，通过积累每一次的训练结果和过程数据，整体进行分析，并且考虑到我们自主收集整理维护的数据集体量较小，最终我们选择了MobileNet-V1轻量级神经网络作为我们的神经网络模型。
技术实践流程
•我们在学校老师的带领下，经过近半年的系统学习，深入学习了人工智能相关技术。此项目是我们第一次全流程的尝试人工智能图像分类算法和进行实践应用。
•接着，我们着手在”paddlepaddle-Aistudio实训平台“上开始初步构建我们的项目，同时基于之前的学习编写了适应于我们项目代码，最终初步跑通了训练过程。
项目实践过程-训练过程优化
•我们初步跑通训练流程时，训练的结果很差（验证集准确率较低）所以我们着手进行训练的优化。
•我们对每一次的训练传参和结果进行了记录。并且尝试了多种epoch、网络模型、训练速率、样本数的传参组合以带来的最终结果，同时对其进行筛选，最后找到最好的训练传参组合。
•最终我们使用目前尝试出最优的传参组合完成了展示版本的训练。
项目实践过程-训练效率优化
•我们的训练测试任务时间紧，任务重。飞桨社区的免费硬件时长已经不足以我们使用。我们便在本地环境全流程部署了paddlepaddle-gpu及其支持库。可使我们用更多的时间来做尝试。
•同时我们也在训练传参中调整batch_size，num_workers等参数，来更加充分的利用硬件剩余性能，节约硬件资源。
•通过以上操作，我们大大提高了训练效率。
项目实践过程-数据集内容优化
•我们在初期训练中训练集和测试集准确率较低，与数据集内容数量较少也有一定关联。我们采取了以下优化措施：
•1.采取队员拍摄、公开征集、网络检索等方式，扩充数据集数量。并且使用软件查重，降低重复图片对训练的影响。
•2.将数据集进行版本控制，以比较不同版本的优劣。其次在每个小版本使用不同的训练集和测试集划分，尝试不同的图片裁剪，以避免过拟合。
项目实践过程-成果前端呈现
•为使我们的模型应用展示更加直观，也为使我们的模型投入使用之后更加便捷。我们自主设计了一套完整的前端程序来进行图片的上载与预测。
•该程序分为输入程序和预测程序两部分：输入程序支持以多种方法输入。
预测程序可以自动判断隐患来源并且以 “待办”的方式呈现。这些程序有着直观的UI界面，和符合大多数用户使用习惯的操作功能。可大大促进我们的楼道安全模型的广泛应用。
项目实践过程-组内的动态分工
•在我们的项目整体规划之外，我们每一次小组讨论后都会根据我们的不同阶段的任务来调整每个人的分工，让每一位成员都可以有机结合的完成该时段的工作内容。
•同时我们也充分发挥各自的特长，利用有效分工建立了一支工作效率较高的队伍。
项目实践总结与收获
•这是我们第一次全流程的完成人工智能图像分类模型的选题、训练、优化、呈现等过程。这是一次无比宝贵的实践经验。
•基于我们先前的实践，未来我们可以继续进行优化，并且尝试结合于社区的智能设施中（如：监控器，机器人，随身录像机）。
•我们积累了许多在人工智能实践中所需的技能实践经验：数据集的创建与维护、训练过程传入参数优化、训练效率提升、深度学习框架的本地部署等。
团队合作总结与收获
•我们在合作的过程当中，积累了许多在科研项目中沟通、交流的经验，同时增进了对对方的了解。
•我们经过长时间的磨合，更积累了一些例如动态分工等团队合作的方法。这能让我们在后面的项目中继续合作的更好。
项目文件将会在以后发布。
@北京师范大学附属实验中学 人工智能校级团队
