CMU探究项目：人工智能算法自动识别分类宠物猫、狗的品种
本课题旨在运用图像处理机器学习技术对动物图像分类。课题分成两大部分，第一部分从数字图像处理入手，学习人工生成集中经典图像特征，如直方图，关键点描述子等， 后半部分尝试用神经网络做特征提取。第二部分是机器学习分类器模型。课题将介绍逻辑回归，KNN，Kmeans，SVM，在后半部分会涉及简单的神经网络分类器。
Product Details
CMU探究项目
人工智能算法自动识别分类宠物猫、狗的品种
课题简介
计算机视觉
Computer Vision
是一门研究如何使机器“看懂”世界的科学，是从图像和 视频中提出数值和符号信息，建立算法使得计算机能够理解图片内容的过程。具体的计算 机视觉任务可以包括但不限于：图像分类，图像增强，图像分割。其应用相当广泛：人脸 识别，车辆检测，目标跟踪等。
图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。 一般来说，图像分类通过手工特征或特征学习方法对整个图像进行全部描述，然后使用分类器判别物体类别，因此如何提取图像的特征至关重要。
本课题旨在运用图像处理机器学习技术对动物图像分类。课题分成两大部分，第一部分从数字图像处理入手，学习人工生成集中经典图像特征，如直方图，关键点描述子等， 后半部分尝试用神经网络做特征提取。第二部分是机器学习分类器模型。课题将介绍逻辑回归，KNN，Kmeans，SVM，在后半部分会涉及简单的神经网络分类器。
科研方法
AI+X数据驱动型科研
AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。
AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。
整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。
课题要求
本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力
英文：
1、具备基本的学术英语阅读能力；
2、接触过英文写作，能初步撰写英文文章；
数学：
1、概率统计基础知识；
2、矩阵线性变换；
3、微积分基础 函数求导求极值；
计算机：
1、Linux 或者 macOS 编程环境的配置；
