团队来源：南京航空航天大学
团队名称 ： 面向实践团队
实践地点 ： 长春
实践内容概述 ：了解模式识别行业与机器学习、人工智能、大数据等领域的基本关系；联系采访业内人士；走访研发中心、与业内人士深入沟通，协同创作
2017年9月，世界四大会计师事务所德勤，开发的财务机器人“小勤”正式投入使用，通过高性能的模式识别技术支撑的AI系统，“小勤”能够做到比人力节省75%的时间。模式识别技术作为人工智能的奠基学科，通过计算机自动高速处理判读大量数据，为发掘隐藏在数据背后的规律立下汗马功劳。
作为当代大学生，我们当然也不能落下，为了进一步探索模式识别技术，我们特地去了长春某信息技术咨询有限公司进行访问。
通过访问了解到真正意义上的模式识别研究的是计算机识别，因此事物所包含的各种信息必须通过采集转换成计算机能接受和处理的数据。之后，经过模式采集获得的数据量，是待识别样本的原始信息，再经过预处理环节，降低干扰的影响，在此基础上生成在分类上具有意义的各种特征。从大量的特征中选取出对分类最有效的特征，特征选取之后，再通过分类的结果进行评估。
纸上得来终觉浅，绝知此事要躬行。我们开始着手实践，利用模式识别结合已有IP形象“饿龙咕噜的日常”进行创作，提高创作效率，辅助挖掘深度灵感，捕捉产品需求。
在实践过程中，我们通过模式识别技术对市面上公开的图像表情进行分类筛选，整理出特征规律，而后我们参考这些特征规律去进行创作。
由于是第一次尝试将创作与数据相结合，因此在具体落地的过程中，还是遇到了许多困难，譬如在对于大量数据的规整工作中，对于样本抽取出的规律结构不够明显，常常出现偏差的样本；除此之外，还有对于数据与绘画结合的方式，也需要进一步斟酌锻炼，在线条的把控上，根据数据的手绘模式需要进一步精细处理。
在解决方案的效率上面，通常一副已定灵感的成品产出所需要的时间在三到四小时左右，而通过这种改进的方式，能够平均缩短20%的时间。文件的质量也没有过多的下降，整体作品能够在维持较高的成品率上持续推进。当然，也有美中不足的地方，譬如对于识别所需要的样本数据自身重复率较高，而且在多次使用后对于创意的辅助效果会呈现下行的趋势，这方面还有待加强。
本次实践，我们在技术人员的支持下，第一次尝试着通过数据反馈规律进行美术作品的创作工作，复盘这次活动，我们对“互联网+跨界”概念的认识有了大大的提高。
从技术原理上，我们通过实践理解了数据对生产生活的作用与反作用；在业务层面上，我们则通过实践理解了技术对于传统产业的推进作用。
进一步了解了模式识别垂直市场的现状，寻求“模式识别+图像创意”的结合突破口，为之后团队成员进入社会抑或个人发展做好基础预备，让设计的灵感插上了工业智能的翅膀！
http://www.dxsbao.com/shijian/233370.html 点此复制本页地址
