FZUniTeam——凡事预则立

FZUniTeam 团队 2022-06-06 19:26:25
这个作业属于哪个课程2022福大-软件工程、实践W班
这个作业要求在哪里要求
这个作业的目标凡事预则立博客
其他参考文献

目录

  • 下一阶段需要改进完善和新增的功能
  • 需要改进的团队分工(针对之前的不足,需要加强和改进团队协作和分工的地方)。
  • 需要改进的工具流程(如版本控制、测试工具等)。
  • 博客的计划安排及冲刺七天的时间计划安排

下一阶段需要改进完善和新增的功能

  • 对全体UI的风格进行统一和美化
  • 对之前存在问题的代码进行修改
  • 对于上一阶段较为丑陋的代码进行优化
  • 为游戏添加音乐以及音效
  • 上一阶段操场剧情较少,进行添加丰富完善
  • 增加主线支线的任务以及剧情
  • 增加随机剧情
  • 食堂场景采样、规划、建模、贴图、导入等
  • 博学苑B场景采样、规划、建模、贴图、导入等
  • 增加新手引导剧情

需要改进的团队分工(针对之前的不足,需要加强和改进团队协作和分工的地方)。

  • 各小组分工不能互相独立或者联系较少,而应该紧密联系多多交流,根据策划提出的需求进行工作,提高协作效率,避免造成干了许多无用功的状况

需要改进的工具流程(如版本控制、测试工具等)。

  • 版本控制工具严格按照规定要求进行操作,避免产生意外

博客的计划安排及冲刺七天的时间计划安排

时间安排
博客安排
6.1完成换组交接随笔
6.5完成置顶随笔、代码规范
6.6alpha阶段问题总结随笔、凡事预则立随笔
6.6-6.10、6.13-6.147天冲刺随笔
6.16-6.17完成用户使用调查报告
6.17Beta冲刺总结随笔
冲刺七天安排
6.6食堂场景采样、规划、建模、贴图;
UI界面风格统一及美化;
寻找音效、音乐素材
添加操场剧情
6.7食堂场景建模、贴图;
UI界面风格统一及美化;
添加音效及音乐
6.8食堂场景建模、贴图、导入;
UI界面风格统一及美化;
添加音效及音乐
代码复审以及优化
6.9博学苑B场景采样、规划、建模、贴图;
UI界面风格统一及美化;
对游戏中的代码逻辑问题进行修改
增加随机剧情
6.10博学苑B场景建模、贴图;
UI界面风格统一及美化;
对食堂场景添加人物剧情等
6.13博学苑B场景建模、贴图、导入;
UI界面风格统一及美化;
对博学苑B场景添加人物剧情等
6.14整合游戏内容,打包生成可执行程序,进行测试
...全文
267 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
CSDN-Ada助手 2023-01-13
  • 打赏
  • 举报
回复
您可以前往 CSDN问答-软件工程 发布问题, 以便更快地解决您的疑问
卷积神经网络(CNN)是针对多维网格数据(如图像、视频)设计的深度学习架构,其结构灵感来源于生物视觉系统对信息的分层处理机制。该模型通过局部连接、参数共享、层级特征提取等策略,有效捕获数据中的空间模式。以下从结构特性、工作机制及应用维度展开说明: **1. 局部连接与卷积运算** 卷积层利用可学习的多维滤波器对输入进行扫描,每个滤波器仅作用于输入的一个有限邻域(称为感受野),通过线性加权与非线性变换提取局部特征。这种设计使网络能够聚焦于相邻像素间的关联性,从而识别如边缘走向、色彩渐变等基础视觉模式。 **2. 参数共享机制** 同一卷积核在输入数据的整个空间范围内保持参数不变,大幅降低模型复杂度。这种设计赋予模型对平移变换的适应性:无论目标特征出现在图像的任何区域,均可由相同核函数检测,体现了特征位置无关性的建模思想。 **3. 特征降维与空间鲁棒性** 池化层通过对局部区域进行聚合运算(如取最大值或均值)实现特征降维,在保留显著特征的同时提升模型对微小形变的容忍度。这种操作既减少了计算负荷,又增强了特征的几何不变性。 **4. 层级特征抽象体系** 深度CNN通过堆叠多个卷积-池化层构建特征提取金字塔。浅层网络捕获点线面等基础模式,中层网络组合形成纹理部件,深层网络则合成具有语义意义的对象轮廓。这种逐级递进的特征表达机制实现了从像素级信息到概念化表示的自动演进。 **5. 非线性扩展与泛化控制** 通过激活函数(如ReLU及其变体)引入非线性变换,使网络能够拟合复杂决策曲面。为防止过拟合,常采用权重归一化、随机神经元失活等技术约束模型容量,提升在未知数据上的表现稳定性。 **6. 典型应用场景** - 视觉内容分类:对图像中的主体进行类别判定 - 实例定位与识别:在复杂场景中标定特定目标的边界框及类别 - 像素级语义解析:对图像每个像素点进行语义标注 - 生物特征认证:基于面部特征的个体身份鉴别 - 医学图像判读:辅助病灶定位与病理分析 - 结构化文本处理:与循环神经网络结合处理序列标注任务 **7. 技术演进脉络** 早期理论雏形形成于1980年代,随着并行计算设备的发展与大规模标注数据的出现,先后涌现出LeNet、AlexNet、VGG、ResNet等里程碑式架构。现代研究聚焦于注意力分配、跨层连接、卷积分解等方向,持续推动模型性能边界。 卷积神经网络通过其特有的空间特征提取范式,建立了从原始信号到高级语义表达的映射通路,已成为处理几何结构数据的标准框架,在工业界与学术界均展现出重要价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!

142

社区成员

发帖
与我相关
我的任务
社区描述
2022年福大-软件工程;软件工程实践-W班
软件工程 高校
社区管理员
  • FZU_SE_teacherW
  • 丝雨_xrc
  • Lyu-
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧