• github
• 本次会议项目由PM召开，时间为4月2日晚上10点30分
• 时长25分钟

任务表格

人员	昨日工作	下一步工作
木鬼	撰写内置问卷(issue#3)	撰写团队贡献分配计划(issue#39)
SiMura	寻找经过预训练的开源模型(issue#8)	完善后端接口定义(issue#40)
swoip	学习并使用monkeyrunner ——连接真机测试(issue#11)	主界面绘制(issue#6)
bhlt	学习并使用monkeyrunner ——连接模拟器测试(issue#11)	编写简单代码对指定游戏单独测试(issue#12)
dsz	负责代码规范约定(issue#4)	测试界面绘制(issue#5)

---

开会照片(拍摄者：木鬼)

---

燃尽图

---

工作报告和困难总结

1.bhlt同学完成任务的同时，撰写了工作记录，链接。
2.讨论了后续工作思路，由PM委托SiMura总结成文

• 使用monkeyrunner进行压力测试，通过覆盖测试来找到异常发生的时刻。
• 将每次测试（模拟人对手机的操作）的时刻记录下来，并将此时刻对应的截图记录下来。
• 通过机器学习的一些聚类方法对图片进行二分类，分为正常集和异常集，即给图片打上0，1两个标签。（或者人手工批注）
• 此时得到了一个有标注的样本全集，模拟的操作作为特征集，图片的标签作为特征集，再用这些数据进行训练，或将采用CNN这样的经典方法进行训练。
• 最后达到的效果：向模型输入游戏的一系列图片（理想中是在游戏运行中实时捕捉），当检测到某一时段的连续图像为异常现象时，进行报错反馈。
• 这个问题在分析后发现近似于一个时间序列问题。
• 暂时不考虑操作对于异常的影响，我们要做的就是通过图像分析来发现异常。
• 其他的细节：用户怎么使用我们的软件？这个软件应该是为开发商服务的而不是玩家，所以就可以要求用户将手机连接电脑来使用我们的软件。
• 至于具体的使用，应该是用户打开我们的软件，通过一些选择界面选择一个测试的游戏，用户将可以选择对游戏进行如何测试，然后得到截图，截图将自动被输入训练好的模型，当遇到疑似异常的图像，进行报错反馈。
• 我认为为了使这样的报错有实际意义，还要收集当时的操作数据，虽然这些操作数据并不会用来训练模型，但要作为报告反馈反馈给用户。
  暂时没遇到困难。

签入记录

可以在此commits/master查看当前时刻的签入记录。