人工智能实验部分
1、实验内容：
1.1、全班同学用自己的学号除以45的余数，对应实际任务场景（第4部分）的序号，即为自己的实验内容；
1.2、分别用传统方法和机器学习的方法实现实验内容；
2、实验要求：
2.1、要求使用传统方法实现实验内容，能讲清楚实现原理、实现细节、实现步骤；
2.2、要求使用机器学习的方法实现实验内容，能讲清楚实现原理、实现细节、实现步骤；
2.3、要求弄懂机器学习所采用模型的理论、方法；
3、实验考核方式：
3.1、以PPT宣讲+程序演示的进行考核，要求在PPT宣讲过程中，能把实验要求所涉及的知识点都讲出来；
3.2、整理出一份Word版实验报告。实验报告主要内容有（题目、中文摘要、中文关键词、英文摘要、英文关键词、实验内容、实验原理、实验步骤、实验结果、参考文献）；
4、可选用的实际任务场景：
| 大类 | 小类 | 序号 | 实现难度 | 具体场景 |
| 语音技术 | 语音识别 | 1 | 2 | 将语音精准识别为文字，适用于语音输入、语音搜索、智能语音对话等场景。 |
| 语音合成 | 2 | 2 | 可将文字信息转化为声音信息 | |
| 图像技术 | 图像审核 | 3 | 2 | 广告检测：检测图片中是否包含水印、二维码、条形码，并可识别具体二维码、条形码中的内容 |
| 4 | 2 | 图文审核：检测图片中的文字是否包含色情、暴恐违禁、政治敏感、广告推广、低俗辱骂、低质灌水等内容 | ||
| 图像识别 | 5 | 2 | 以图识物，目标检测，目标分割 | |
| 图像效果增强 | 6 | 2 | 图像去雾：对浓雾天气下拍摄，导致细节无法辨认的图像进行去雾处理，还原更清晰真实的图像 | |
| 7 | 1 | 图像无损放大：输入一张图片，可以在尽量保持图像质量的条件下，将图像在长宽方向各放大两倍 | ||
| 8 | 3 | 黑白图像上色：智能识别黑白图像内容并填充色彩，使黑白图像变得鲜活 | ||
| 9 | 3 | 拉伸图像恢复：自动识别过度拉伸的图像，将图像内容恢复成正常比例 | ||
| 10 | 1 | 图像风格转换：将图像转化成卡通画或素描风格，可用于开展趣味活动或集成到美图应用 | ||
| 11 | 2 | 图像修复：去除图片中不需要的遮挡物，并用背景内容填充，提高图像质量 | ||
| 12 | 3 | 图像清晰度增强：对压缩后的模糊图像实现智能快速去噪，优化图像纹理细节，输出画面更加自然清晰的图片 | ||
| 13 | 1 | 人像动漫化：结合人脸检测、头发分割、人像分割等技术，为用户量身定制千人千面的二次元动漫形象 | ||
| 车辆分析 | 14 | 1 | 车型识别：检测用户上传的车辆图片，识别所属车型，包括车辆品牌及具体型号、颜色、年份、位置信息 | |
| 15 | 1 | 车辆检测：检测图片中出现的所有车辆，返回车辆类型与位置，可识别小汽车、卡车、巴士、摩托车、三轮车5类车辆 | ||
| 16 | 3 | 车辆外观损伤识别：针对常见小汽车车型，识别车辆外观受损部件及损伤类型，可识别数十种车辆部件、五大类外观损伤（刮擦、凹陷、开裂、褶皱、穿孔） | ||
| 17 | 3 | 车流统计（邀测）：根据传入的连续视频图片序列，进行车辆检测和追踪，根据车辆轨迹判断驶入/驶出区域的行为，统计各类车辆的区域进出车流量 | ||
| 18 | 3 | 车辆属性识别（邀测）：检测图像中的各类车辆，并针对小汽车识别11种外观属性，包括：是否有车窗雨眉、是否有车顶架、副驾驶是否有人等 | ||
| 19 | 2 | 车辆分割（邀测）：检测图像中的车辆，以小汽车为主，识别车辆的轮廓范围，与背景进行分离，返回分割后的二值图、灰度图、前景抠图，适应多个车辆、车门开启、各种角度 | ||
| 20 | 3 | 车辆检测-高空版（邀测）：面向高空拍摄视角（30米以上），检测图片中的所有车辆（不区分类型），返回坐标位置 | ||
| 文字识别 | 通用文字识别 | 21 | 1 | 通用图片文字识别 |
| 卡证文字识别 | 22 | 1 | 大陆居民二代身份证正反面的所有字段进行结构化识别，包括姓名、性别、民族、出生日期、住址、身份证号、签发机关、有效期限 | |
| 票据文字识别 | 23 | 1 | 对增值税普票、专票、卷票、电子发票的所有字段进行结构化识别，包括发票基本信息、销售方及购买方信息、商品信息、价税信息等 | |
| 汽车场景文字识别 | 24 | 1 | 机动车行驶证主页及副页所有21个字段进行结构化识别 | |
| 手写文字识别 | 25 | 1 | 手写中文汉字、数字进行识别 | |
| 人脸识别 | 人脸识别 | 26 | 1 | 人脸检测：获得眼、口、鼻轮廓，识别多种人脸属性，如性别，年龄，表情等信息 |
| 27 | 3 | 人脸对比：对比两张人脸的相似度并返回评分 | ||
| 28 | 3 | 人脸搜索：在一个指定人脸库中查找相似的人脸 | ||
| 29 | 3 | 活体检测：抵御照片、视频、模具等作弊攻击，保障业务安全 | ||
| 30 | 2 | 人脸融合：对两张人脸进行融合处理，生成的人脸同时具备两张人脸的外貌特征 | ||
| 自然语言处理 | 语言处理基础技术 | 31 | 1 | 词法分析：分词、词性标注、专名识别 |
| 32 | 1 | 依存句法分析：自动分析文本中的依存句法结构信息 | ||
| 33 | 2 | 词向量表示：查询词汇的词向量，实现文本的可计算 | ||
| 34 | 2 | DNN语言模型：判断一句话是否符合语言表达习惯 | ||
| 35 | 1 | 词义相似度：计算两个给定词语的语义相似度 | ||
| 36 | 1 | 短文本相似度：判断两个文本的语义相似度 | ||
| 语言处理应用技术 | 37 | 3 | 评论观点抽取：提取一个句子观点评论的情感属性 | |
| 38 | 3 | 情感倾向分析：对包含主观观点信息的文本进行情感极性类别（积极、消极、中性）的判断，并给出相应的置信度 | ||
| 39 | 3 | 多实体情感倾向分析：对包含有多个主体信息的文本，针对每一个系统识别到的主体，做自动情感倾向性判断 | ||
| 40 | 2 | 文章标签：对文章的标题和内容进行深度分析，输出能够反映文章关键信息的主题、话题、实体等多维度标签以及对应的置信度 | ||
| 41 | 2 | 文章分类：对文章按照内容类型进行自动分类 | ||
| 42 | 3 | 文本纠错：识别输入文本中有错误的片段，提示错误并给出正确的文本结果 | ||
| 43 | 3 | 对话情绪识别：针对用户日常沟通文本背后所蕴含情绪的一种直观检测，可自动识别出当前会话者所表现出的情绪类别及其置信度 | ||
| 44 | 3 | 新闻摘要：基于深度语义分析模型，自动抽取新闻文本中的关键信息并生成指定长度的新闻摘要 | ||
| 45 | 3 | 地址识别：精准提取快递填单文本中的姓名、电话、地址信息，通过自然语言处理辅助地址识别做自动补充和纠正，生成标准规范的结构化信息 |
