作品名称：“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
参赛院校：西安理工大学
指导教师：陈亚军
团队成员：万仁鑫、李雪婧、路雨晴、黄铁林
数媒竞赛网（mit.caai.cn）2020年参赛作品
作品描述：

在安卓设备上用摄像头拍摄或者读入牛脸图片，然后识别出图片中的牛脸是具体数据库已知的哪一头牛，此外还允许使用者新增数据库不存在的牛只信息，在录入该牛只数据后，用户便可对该牛进行识别。要实现这些功能，需要不同的卷积神经网络模型，如AlexNet、MobileNet、SVM等，从而实现识别功能。并且，需要克服不同条件下的牛只图像识别，包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等，需要分析不同CNN模型对这些情况的识别准确率，然后对它们进行参数优化，由于模型最终将在安卓设备下运行，因此需要保证模型体积尽可能的小，速度应要在可接受范围内。在模型的实现方面，研究对比了Pytorch和Tensorflow两个主流的机器学习框架，最终选用了Tensorflow，因为该框架的生态相对更加繁荣，相关资料更为丰富，并且对安卓平台的支持也十分良好，可以大大降低开发成本。在安卓开发方面，对比了原生Java开发和相关的开发框架，最终选用了Facebook公司研发的React-Native框架。

作品名称：“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
参赛院校：西安理工大学
指导教师：陈亚军
团队成员：万仁鑫、李雪婧、路雨晴、黄铁林
数媒竞赛网2020年参赛作品
作品描述：

在安卓设备上用摄像头拍摄或者读入牛脸图片，然后识别出图片中的牛脸是具体数据库已知的哪一头牛，此外还允许使用者新增数据库不存在的牛只信息，在录入该牛只数据后，用户便可对该牛进行识别。要实现这些功能，需要不同的卷积神经网络模型，如AlexNet、MobileNet、SVM等，从而实现识别功能。并且，需要克服不同条件下的牛只图像识别，包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等，需要分析不同CNN模型对这些情况的识别准确率，然后对它们进行参数优化，由于模型最终将在安卓设备下运行，因此需要保证模型体积尽可能的小，速度应要在可接受范围内。在模型的实现方面，研究对比了Pytorch和Tensorflow两个主流的机器学习框架，最终选用了Tensorflow，因为该框架的生态相对更加繁荣，相关资料更为丰富，并且对安卓平台的支持也十分良好，可以大大降低开发成本。在安卓开发方面，对比了原生Java开发和相关的开发框架，最终选用了Facebook公司研发的React-Native框架。

作品名称：“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
参赛院校：西安理工大学
指导教师：陈亚军
团队成员：万仁鑫、李雪婧、路雨晴、黄铁林
数媒竞赛网2020年参赛作品
作品描述：

在安卓设备上用摄像头拍摄或者读入牛脸图片，然后识别出图片中的牛脸是具体数据库已知的哪一头牛，此外还允许使用者新增数据库不存在的牛只信息，在录入该牛只数据后，用户便可对该牛进行识别。要实现这些功能，需要不同的卷积神经网络模型，如AlexNet、MobileNet、SVM等，从而实现识别功能。并且，需要克服不同条件下的牛只图像识别，包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等，需要分析不同CNN模型对这些情况的识别准确率，然后对它们进行参数优化，由于模型最终将在安卓设备下运行，因此需要保证模型体积尽可能的小，速度应要在可接受范围内。在模型的实现方面，研究对比了Pytorch和Tensorflow两个主流的机器学习框架，最终选用了Tensorflow，因为该框架的生态相对更加繁荣，相关资料更为丰富，并且对安卓平台的支持也十分良好，可以大大降低开发成本。在安卓开发方面，对比了原生Java开发和相关的开发框架，最终选用了Facebook公司研发的React-Native框架。

作品名称：“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
参赛院校：西安理工大学
指导教师：陈亚军
团队成员：万仁鑫、李雪婧、路雨晴、黄铁林
数媒竞赛网2020年参赛作品
作品描述：

在安卓设备上用摄像头拍摄或者读入牛脸图片，然后识别出图片中的牛脸是具体数据库已知的哪一头牛，此外还允许使用者新增数据库不存在的牛只信息，在录入该牛只数据后，用户便可对该牛进行识别。要实现这些功能，需要不同的卷积神经网络模型，如AlexNet、MobileNet、SVM等，从而实现识别功能。并且，需要克服不同条件下的牛只图像识别，包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等，需要分析不同CNN模型对这些情况的识别准确率，然后对它们进行参数优化，由于模型最终将在安卓设备下运行，因此需要保证模型体积尽可能的小，速度应要在可接受范围内。在模型的实现方面，研究对比了Pytorch和Tensorflow两个主流的机器学习框架，最终选用了Tensorflow，因为该框架的生态相对更加繁荣，相关资料更为丰富，并且对安卓平台的支持也十分良好，可以大大降低开发成本。在安卓开发方面，对比了原生Java开发和相关的开发框架，最终选用了Facebook公司研发的React-Native框架。

作品名称：“智能牛ID管家”—基于安卓及牛脸识别的养殖保险服务系统
参赛院校：西安理工大学
指导教师：陈亚军
团队成员：万仁鑫、李雪婧、路雨晴、黄铁林
数媒竞赛网2020年参赛作品
作品描述：

在安卓设备上用摄像头拍摄或者读入牛脸图片，然后识别出图片中的牛脸是具体数据库已知的哪一头牛，此外还允许使用者新增数据库不存在的牛只信息，在录入该牛只数据后，用户便可对该牛进行识别。要实现这些功能，需要不同的卷积神经网络模型，如AlexNet、MobileNet、SVM等，从而实现识别功能。并且，需要克服不同条件下的牛只图像识别，包括有不同光照条件、牛面部朝向不同方向时、牛距离相机不同距离时等，需要分析不同CNN模型对这些情况的识别准确率，然后对它们进行参数优化，由于模型最终将在安卓设备下运行，因此需要保证模型体积尽可能的小，速度应要在可接受范围内。在模型的实现方面，研究对比了Pytorch和Tensorflow两个主流的机器学习框架，最终选用了Tensorflow，因为该框架的生态相对更加繁荣，相关资料更为丰富，并且对安卓平台的支持也十分良好，可以大大降低开发成本。在安卓开发方面，对比了原生Java开发和相关的开发框架，最终选用了Facebook公司研发的React-Native框架。