创意：将现有想法进行某种组合
趣味项目：游戏复刻
? ? ? ? ? ? ? ? ? 特效复刻
? ? ? ? ? ? ? ? ? 效果复刻
熊猫头表情聊天机器人
表情：PaddleHub
聊天机器人：Wechaty：一个开源聊天机器人框架SDK，具有多平台、多语言和多插件的特性，支持Python，Go，Java，.NET，PHP，Rust等多语言版本，通过几行代码即可创建一个聊天机器人。
熊猫头表情聊天机器人--流程
?熊猫头表情聊天机器人--框架
?熊猫头表情聊天机器人--Wechaty?
??熊猫头表情聊天机器人--Paddlehub
??熊猫头表情聊天机器人--改进
零代码实现安全帽检测模型
目标检测任务
目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是计算机视觉领域的核心问题之一，由于各类物体外观，形状，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问题。
安全帽佩戴检测模型
安全帽佩戴检测是计算机视觉在工业安全领域应用的典型场景。
使用PaddleX GUI进行迁移学习训练，可实现安全帽检测模型的0代码开发。
PaddleX的实时视频流预测部署、PaddleHub-Serving。
基于PaddleX/PaddleDetection-Paddle-Lite、也可以实现安全帽检测模型在树莓派上的部署。
安全帽检测任务：开发流程
A：数据采集与标注→B：模型开发→C：模型部署
1.训练并导出部署模型
PaddleDetection训练ssd-mobilenet检测模型，使用PaddleLite导出部署模型
2.树莓派环境准备
在树莓派上安装PaddleLite预编译库
3.拉取部署项目，替换默认标签
到Paddle-Lite-Demo中拉取部署项目示例，并准备好安全帽检测标签
4.实现蜂鸣器报警模块
微调示例代码，加入蜂鸣器报警和检测图片保存模块
场景驱动项目
“以终为始”
从问题找到想解决的场景，为实现某个特定场景的解决方案，探索形成一系列“创造”项目。
1.一个想法
结合实际问题，产生关于一个场景的想法。
2.尝试验证
可以从易到难，从最熟悉的思路做起，开始尝试解决方案。
3.用项目记录进展
一个独立的项目不能形成一套解决方案，但可以逐步探索，每一次探索可能就产生了新的项目。
项目创意：面向不同场景的解决方案
那些系列项目合集……
创意：
01.目标检测落地
布匹、白酒等瑕疵检测项目
树莓派检测模型全流程系列项目
02.脚本任务怎么用
各大模型库脚本任务系列项目
03.比赛or课程
面向比赛和课程开发的项目
04.网页、邮件安全解决方案
PaddleNLP系列项目。
找官方要灵感：各种“小众”模型库
多翻github有惊喜……
Parakeet
有意思的语音合成项目
PGL
门槛较高又热门的图神经网络。
EasyEdge
潜力巨大的全流程部署平台。
创意源于生活
创意：来源于生活
来源：01.社会管理
? ? ? ? ? ?02.生活出行
? ? ? ? ? ?03.新闻资讯
? ? ? ? ? ?04. ……
项目技术可行性评估
清晰的技术路线能有效评估项目的可行性
数据：AIStudio、Kaggle、天池、讯飞……→训练：PaddlePaddle、PaddleX、Paddlenlp、PaddleGan……→部署：PC端、树莓派、服务器、小程序/APP……
慧眼说垃圾
数据获取及处理：在AIStudio等数据集平台选取合适的开源数据集或自己动手制作数据集，并根据自己选取的开发工具对数据集进行适应性处理。→模型训练及压缩：根据部署环境的不同，选取ResNet50_vc_ssld或MobileNet_v3等模型进行针对性训练及压缩。→模型部署：python低代码视频流预测、Hub Serving服务化部署、EasyEdgeAPP部署。
看图写诗的创意是如何诞生的? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ?
实现思路：? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??
类比人类看图说话的方法让AI也能看图说话
获取图像信息：就像人类看图说话一样，要想让机器看图“说话”，首先要让机器看懂图片即这张图片是什么。→扩展关键字：有了图片的关键信息以后，我们需要把这些关键字串起来，因为我们的任务是写诗，所以我们将关键字组合成一首古诗的上阕。→得到古诗词：因为PaddleHub有生成古诗词的预训练模型，所以根据古诗词的上阕，我们就能很轻松地得到模型生成的下阙，最后组合起来就是一首完整的古诗了。
使用目标检测获取图像内物体的信息：就像人类看图说话一样，要想让机器看图“说话”，首先要让机器看懂图片即这张图片是什么。→将识别结果送入文本生成模型：有了图片的关键信息以后，直接将关键字送入根据关键词生成古诗词的模型，得到一首古诗的上阕。→将上阕送入古诗生成模型：因为PaddleHub有生成古诗词的预训练模型，所以根据古诗词的上阕，我们就能很轻松地得到模型生成的下阙，最后组合起来就是一首完整的古诗了。