小组分工
鸟类识别算法 flask部署 服务器环境搭建 吴博群
人脸评分算法 keras转torch潘飞宇
web后端 收集整理鸟类Json 刘玉龙
web后端 ssm部署 收集整理鸟类Json 闫向前
web前端 图片裁剪 刘明晖
web前端 页面美化 李浩然
鸟类识别只是开始，不是结束~~
每个人的工作
吴博群
已经完成的工作
服务器成功安装torch和tf等框架，后端与算法在本地测试成功，flask与ssm均成功部署到服务器上，单独测试成功，模型进一步优化，训练集和验证集准确率均有6%~8%的提升，对代码进行版本控制便于回滚
计划完成的工作
服务器端和flask的工作基本完成，下一步专心进行模型的优化工作
遇到的困难
服务器内存还是太少，单独运行flask和ssm便利用了约90%的内存（总内存1G），明显感受到卡顿，在接收用户请求调用模型预测后服务器直接卡死，只能进行重启，目前部署环节受阻。模型训练成本较大，无法验证优化思路一定有效，前后端一直没有进行集成测试
收获
验证了flask给ssm进程提供服务的猜想，学习了传统网页与智能算法的结合方式，学习了提升模型准确度的方法
潘飞宇
已经完成的工作
继续用keras框架优化了当前的模型（自定义图像增强等），让mse损失减小了一点。
同时用pytorch框架做了一个基于分类的打分模型（但是效果不好）
计划完成的工作
因为下文中的困难，所以说还是打算继续学习pytorch相关知识
争取在pytorch框架下实现一个能在本地用的，效果还不错的模型
遇到的困难
colab中tensorflow和keras版本太高，将模型加载到本地时出现错误，在本地难以调试成功..
pytorch，目前还是只会一些分类任务，拿捏不住其他类型的
收获和疑问
被tf，keras版本问题折磨的不轻。只能说是革命尚未成功，同志仍需努力。
刘明晖
已经完成的工作： 图片裁剪及上传。
计划完成的工作： 图片裁剪、压缩及上传。
遇到的困难：后端传回的数据调用展示出现问题，油尽灯枯了。
剩下的任务：图片压缩，前后端数据交互及相关数据展示，页面美化。
李浩然
已完成的任务：
完成了鸟类图片的上传界面的设计，能够实现：上传，截取，识别的功能
计划接下来完成的工作：
能够正确接收后端传回来的数据，并且完成界面的展示，同时完成评论区的编写
遇到的困难：
由于采用的是angular框架来搭建的上传图片见面，在接收后端传回的数据时，由于不熟悉框架接收json数据这方面的知识，导致前端无法展示出后端的数据。
还剩的任务：
评论区编写
“开发者关于”界面的编写
界面的进一步美化
闫向前
1、已经完成的工作：
爬取200种鸟类信息，并以JSON形式存储
调用模型部分的接口，将识别出的结果对应的JSON返回给前端
服务器端java环境的配置，项目的部署
2、计划完成的工作：
- 学习Angular/Vue前端框架
- 与负责前端的同学交流
3、遇到的困难
服务器拉胯
4、收获和疑问
- 在涉及到资源路径问题时容易出错，比如路径分隔符的斜杠与反斜杠问题，部署到服务器后如果发现路径有错需要重新打war包，所以应该将涉及到的绝对路径写入配置文件，部署之后仍可更改。
- mysql版本与驱动不匹配，导致部署之后出现错误，应该在项目开始的时候先统一适配环境。
- 之前一直以为只有客户端和服务器端的交互，原来服务器端也可以进行请求的发送和响应的接收。