小组选题：AI艺术鉴赏，看画猜作者
项目由来：罗格斯大学的艺术与人工智能实验室制作出一套名为CAN（创造性对抗网络）的AI系统，CAN向我们证明人工智能可以理解艺术发展脉络和学习路径，所以软件的任务就是训练模型，识别名画的作者。数据集来自49位大师的作品，乔托·迪·邦多纳、毕加索、梵高、安德烈·鲁勃廖夫、提香·韦切利奥等。
项目要求：做成WEB版，有界面，用户上传一张名画，系统返回该名画的作者信息
NABCD模型
1) N (Need 需求)
在日益增长的精神需求下，人们对美的追求不断增强，但是却对传统美学观念渐行渐远。基于现代人越来越淡化的美学观念与越来越多的二创项目（二次性创作），我们小组希望能够让用户在看到艺术作品及其衍化作品时，能够为他们提供快速反馈原画及作者相关信息的功能。
2) A (Approach 做法)
-
基于web框架设计理念通过python/java/js等实现前后端分离，前端实现可交互界面，在用户上传图片后向服务器发送请求，在服务器端进行数据的交互识别并反馈。
-
基于深度学习与神经网络对模型进行训练并将其构建于服务器端
3) B (Benefit 好处)
-
首先在用户欣赏艺术时，能够结合数据反馈的作者及其作画背景对艺术作品有更深的理解。而不仅仅是通过像观看一张涂有颜色的纸一样去揣测作家的思想。
-
其次对作家的相关作画风格反馈，可以让用户更快更直观的发现艺术作品的独特之处及重点下功夫的作画部分。
-
在用户鉴赏相关二创作品时，能够及时反馈原画使其对比更鲜明，也能在一定程度上帮助我们反馈错误的识别数据。
4) C (Competitors 竞争)
-
市面上已有搜索引擎具有类似的相关识图功能，但是基于对艺术作品的专门解析却并不多，因此潜力十足。
-
Web版本与日益发展的微信小程序端紧密联系，可以做到将产品完美的移植至移动端小程序，是某些基于windows、iMac的搜索引擎所不具备的。
5) D (Delivery 交付， Data 数据）
-
通过微信、qq等社交软件对普通用户进行推广。
-
通过提升代码在ai研习社的排名，在开源网站上分享源码，吸引开发者进行交流。
-
Data 数据：通过开发反馈功能，对用户输入图片识别的情况获得用户反馈，针对识别不准确的图片，进行分析，得到识别不准确的图片的特征以改善准确性。
电梯演讲
足不出户，赏遍世界名画，了解世界名家，品古典美学艺术。
