06组团队项目-Alpha冲刺-1/3

github仓库：https://github.com/orgs/oucdehaze/repositories

冲刺概况汇报

前端

上周冲刺中完成的任务及遇到的问题

安装并配置相关环境，用即时设计软件设计网页基本框架，使用HTML，JS，CSS编写网页，不断修改代码改变网页可视效果，查找未按照预期效果出现的组件并进行修改使其按照设计样式排
布。

在编写代码的过程中，我们计划采用vue和element编写该网站发现不适用，换成HTML,JS和CSS进行编写。但是目前字体问题耗时两天未能修改成功。

第一版页面还未能达到预期效果，后面会参考其他平台后重新用即时设计软件进一步设计页面框架，并重新编写。

尝试实现点击button使页面自动向下滚动的功能，发现使用section辅助实现页面下滑功能导致网站变成空白，后面会尝试通过CSS直接实现。

接下来的计划

后面一周除了学习解决上述问题之外，还将修改部分代码以与后端代码相适应。

后端

上周冲刺中完成的任务及遇到的问题

上一周我们阅读学习了论文AOD-Net: All-In-One Dehazing Network。

因为直接在ModelArts上通过notebook编写代码并调试步骤比较繁琐费用也比较高，所以我们通过colab使用初步pytorch搭建轻量级AOD-Net网络框架，完成调参等框架调试工作（由于数据集过大，导致训练时间过长，进行了部分数据修剪，修改了网络的lr,epoch等参数，虽然训练结果精度达不到论文中的情况，但仍能实现较好的图像去雾功能）跑通作者开源的训练数据集，训练测试均通过，得到.pth模型相关参数文件，为下一步部署模型应用提供数据基础，收集图像组成自定义test_image数据集，编写test文件，并成功得到经过图像去雾处理后的image，功能实现效果良好。

后面我们尝试在Modelarts上进行模型训练，获得了ModelArts生成的.pth文件，后面我们学习了ModelArts官网上的教程，编写推理文件，编写配置文件并进行调试，创建AI应用，尝试部署在线应用。但是ModelArts对pytorch并不友好，官网和相关论坛上关于pytorch自定义训练模型如何部署的教程都很少。所以我们在进行了很多尝试例如根据官网教程修改推理文件，查看调用的类文件的源代码。发布帖子询问等仍无法解决ModelArts在线部署后推理文件报错的问题。

所以我们最终决定放弃使用ModelArts为前端提供服务，转而使用flask为前端提供服务（参考文档）。

接下来的计划

下一周我们将会使用flask框架编写web应用程序后端框架，训练更大的数据集，完善网络框架使去雾效果更好。

心得体会

我们在开发过程中使用了前后端分离的开发模式，前后端分离的开发模式下只需要提前约定好接口文档（参数、数据类型），然后并行开发即可，最后完成前后端集成，遇到问题同步修改即可，真正实现了前后端应用的解耦合，可以极大地提升开发效率。在做项目的过程中，我也可以感受到团队中的每个人都在努力完成自己负责部分的内容，当遇到问题时也会相互交流共同解决，使得团队中的大家关系更加亲密。作为项目组长，我也在项目迭代冲刺过程中锻炼了计划能力、协调能力等。