冲刺日志(第4天)

这个作业属于哪个课程fzusdn
这个作业要求在哪里团队作业—alpha冲刺
团队名称怦然然心栋
这个作业的目标根据各自任务进行展开

进度介绍

成员完成任务所花时间当前任务阶段所剩时间遇到的问题处理方式
潘锦锋论坛原型加工、页面规划3小时0天
郭巧贤论坛原型加工、页面规划3小时0天
陈鑫鑫论坛原型加工、页面规划3小时0天
王一博实现验证码功能8小时0天
吴佳龙完善BBS功能8小时2天
蔡宇翔学习DjangoRestFrame6小时2天
颜诗尧同上6小时2天
吴文捷用新的素材完善元宇宙6小时1天
叶澹海完成教室6小时1天
郑林滢跟进进度,测试功能6小时0天

会议内容记录

会议内容:讨论论坛功能,交流各组进度
会议过程:
在这里插入图片描述

github签入记录

在这里插入图片描述

本次冲刺项目运行的截图

  • 检验用户是否登录
    在这里插入图片描述
  • 用户注册模块
    在这里插入图片描述
  • 验证码功能
    -在这里插入图片描述
    在这里插入图片描述

燃尽图

在这里插入图片描述

团队成员贡献表

成员贡献程度贡献
潘锦锋10%规划前端论坛部分
郭巧贤10%规划前端论坛部分
陈鑫鑫10%规划前端论坛部分
王一博10%实现验证码功能
吴佳龙10%完善bbs功能
蔡宇翔10%学习DjangoRestFrame
颜诗尧10%学习DjangoRestFrame
吴文捷10%元宇宙功能实现
叶澹海10%元宇宙素材绘制
郑林滢10%安排任务,跟进进度

UML设计中的子用例

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值