人脸情绪识别 第一次迭代总结

思考总结

设想和目标

1. 我们的软件要解决什么问题？是否定义得很清楚？是否对典型用户和典型场景有清晰的描述？
   • 我们软件很明确的定义为，在给定图片或者一定的图片序列（包括视频）的情况下，对输入结果的情绪种类进行判定并给出各种情绪的期望值。
   • 典型用户：算法研究人员，心理/教育从业人员，安保人员等
   • 典型场景：教室课堂等
2. 我们达到目标了么（原计划的功能做到了几个？ 按照原计划交付时间交付了么？ 原计划达到的用户数量达到了么?
   • 原计划功能：通过图片、视频获取情绪信息表/曲线图。
   • 实现情况：
     • 功能已能实现，正确率仍然需要提高。在同数据集的测试上能达到90%正确率，在跨数据集的测试上能达到50%左右正确率，在随机图片的测试正确率会稍微更低一点。
   • 交付和用户：软件功能基本实现，已做好用户界面，可以基本满足用户使用需要。
3. 用户量, 用户对重要功能的接受程度和我们事先的预想一致么? 我们离目标更近了么?
   • 暂未投入使用，用户实际接受成度未知
   • 整体算法基本实现，当然离目标更近了
4. 有什么经验教训? 如果历史重来一遍, 我们会做什么改进?
   • 从最开始就应该分模块分功能写，而不是先用很乱的、面向过程的结构整体实现一下试试看，再换成面向对象的思路。

计划

1. 是否有充足的时间来做计划?
   • 有，整体也基本按照计划进行
2. 团队在计划阶段是如何解决同事们对于计划的不同意见的？
   • 计划阶段讨论都很顺利
3. 你原计划的工作是否最后都做完了? 如果有没做完的，为什么?
   • 团队整体项目推进很顺利，alpha版本的计划都悉数完成了
4. 有没有发现你做了一些事后看来没必要或没多大价值的事?
   • 最开始就应该按一个个类一个个模块写好注释规规矩矩地写，不然到最后再次分块再次写注释会感到非常繁琐。
5. 是否每一项任务都有清楚定义和衡量的交付件?
   • 没有，大家遵循的代码规范等都不大统一，需要经过修改后才能合并。
6. 是否项目的整个过程都按照计划进行，项目出了什么意外？有什么风险是当时没有估计到的，为什么没有估计到?
   • 主要意外是到验收前一两个星期在测试数据上的正确率仍然相当低（15%左右）
   • 因为没有对卷积神经网络模型有一个特别系统的了解，只用其在MNIST数据集上训练过，没有迁移到其他任意的图片上，从而导致很多地方没考虑到
7. 在计划中有没有留下缓冲区，缓冲区有作用么?
   • 有缓冲区：即使算法方面正确率较低，其他部分仍然在有条不紊地进行，仍然能有可以交付的软件成品。算法优化可以留到第二次迭代。
   • 有用。
8. 将来的计划会做什么修改？（例如：缓冲区的定义，加班）
   • 不会有太大的修改
9. 我们学到了什么? 如果历史重来一遍, 我们会做什么改进?
   • 制定计划还是相当必要的，可以让你知道你这一周的任务有哪些，又需要去学习哪些知识，要写出能完成什么功能的代码。

资源

1. 我们有足够的资源来完成各项任务么?
   • 有，时间不算紧张，其余学术问题可以看国外论文和请教指导老师。
2. 各项任务所需的时间和其他资源是如何估计的，精度如何?
   • 时间主要是按任务量估计
   • 精度尚可
3. 测试的时间，人力和软件/硬件资源是否足够? 对于那些不需要编程的资源 (美工设计/文案)是否低估难度?

• 人力资源足够，硬件虽然不太好（NVIDIA 1050的显卡），但也能在GPU版的Tensorflow上较快地进行训练。
• 此项目没有太多UI界面，并不需要很多的美工设计和文案

你有没有感到你做的事情可以让别人来做（更有效率）?

• 没有

有什么经验教训? 如果历史重来一遍, 我们会做什么改进?

• 遇到困难上还是要多利用手上资源，多去找老师而不是自己埋头苦干。

变更管理

1. 每个相关的员工都及时知道了变更的消息?
   • 基本上都是一个寝室的，想不知道都难
2. 我们采用了什么办法决定“推迟”和“必须实现”的功能?
   • 显然最关键的神经网络设计与训练等功能是必须实现的，之后的UI设计，进一步提高正确率推迟一下也是可以的
3. 项目的出口条件（Exit Criteria – 什么叫“做好了”）有清晰的定义么?
   • 难以界定，还需要不断测试
4. 对于可能的变更是否能制定应急计划?
   • 没有提前制定应急计划，但有变更时会及时做出反应和调整
5. 员工是否能够有效地处理意料之外的工作请求？
   • 大家对于意外的发生能做出迅速的反应
6. 我们学到了什么? 如果历史重来一遍, 我们会做什么改进?
   • 一开始就要确定好整体的计划，尽量避免变更

设计/实现

1. 设计工作在什么时候，由谁来完成的？是合适的时间，合适的人么？
   • 整个模式的设计是在项目初期一起商定的
2. 设计工作有没有碰到模棱两可的情况，团队是如何解决的？
   • 没有
3. 团队是否运用单元测试（unit test），测试驱动的开发（TDD）、UML, 或者其他工具来帮助设计和实现？这些工具有效么？
   • 我写的每一个类或模块都附上了主函数测试类的功能，这对于测试类或模块的功能有着相当重要的作用
4. 比较项目开始的 UML 文档和现在的状态有什么区别？这些区别如何产生的？是否要更新 UML 文档？
   • 文档更加丰富了
5. 什么功能产生的Bug最多，为什么？在发布之后发现了什么重要的bug? 为什么我们在设计/开发的时候没有想到这些情况?
   • 神经网络训练部分Bug最多，因为对输入图片数据的预处理（如维度）等出现了一些疏忽
   • 还没有发布
   • 一开始只以为是神经网络设计的问题造成的Bug，而没从数据预处理的方向去想
6. 代码复审（Code Review）是如何进行的，是否严格执行了代码规范？
   • 严格按照Python的命名规范

测试/发布

1. 团队是否有一个测试计划？为什么没有？
   • 暂时没有详细的测试计划
   • 因为该项目属于那种需要一边修改代码（调参）一边测试的项目
2. 是否进行了正式的验收测试？
   • 通过了第一次迭代的验收
3. 团队是否有测试工具来帮助测试？
   • 写了一些简单的脚本程序协助测试
4. 团队是如何测量并跟踪软件的效能的？从软件实际运行的结果来看，这些测试工作有用么？应该有哪些改进？
   • 现在还没有具体用户，也就没有什么所谓跟踪了~
5. 在发布的过程中发现了哪些意外问题？
   • 没有发布
6. 我们学到了什么? 如果历史重来一遍, 我们会做什么改进?
   • 项目实现过程本身就要夹杂一系列的不间断的测试

团队的角色，管理，合作

1. 团队的每个角色是如何确定的，是不是人尽其才？
   • 团队角色确定，以尊重个人意愿为首要因素，并考虑时间精力等方面
2. 团队成员之间有互相帮助么？
   • 有
3. 当出现项目管理、合作方面的问题时，团队成员如何解决问题？
   • 查询资料，互相协助完成

总结

1. 1. 你觉得团队目前的状态属于 CMM/CMMI 中的哪个档次?
      • 属于CMMI一级，完成级
   2. 你觉得团队目前处于 萌芽/磨合/规范/创造 阶段的哪一个阶段?
      • 磨合和规范都基本完成，接下来是创造
   3. 你觉得团队在这个里程碑相比前一个里程碑有什么改进?
      • 整个项目的基本雏形已经完成，只需要进一步添砖加瓦
   4. 你觉得目前最需要改进的一个方面是什么?
      • 美化界面
      • 提高识别正确率
      • 完善功能

转载于:https://www.cnblogs.com/cadenza/p/10092863.html