团队作业——bate冲刺+事后诸葛亮评分

防震水泥 2025-01-14 17:57:12

作业地址:https://bbs.csdn.net/topics/619428294

作业提交规则🚩

  • 博客以班级作业页面的提交时间为准;需要提交的代码以CodeArts的提交时间为准;
  • 在deadline前交,分数为实际得分 ;
  • 补交:在deadline 后两天内提交视为补交,分数为实际得分 * 50%;写了但是忘记提交作业和补交扣分一致
  • 缺交:在deadline 之后两天未补交视为博客缺交,分数为0分;

作业计分规则:

每次作业的基准分满分为100分,各次作业会以特定比例换算到学期成绩。比如:

  • 某次作业,满分100分,以权重25%换算到学期总成绩:
  • 小李此次作业得分85分,作业在deadline前提交,那么他本次作业会以85*100%25% = 21.25换算到总成绩中>
  • 小张此次作业得分85分,并是在deadline后的两天内补交,那么他本次作业会以8550%*25% = 10.625换算到总成绩中
  • 小王在作业deadline两天后还未补交,作业提交已经关闭,此次作业得0分

其他规则

  • 作业抄袭:当助教发现两篇博客文字/图片/代码过分相似时,判定两篇博客都为抄袭,该次作业不得分,并倒扣该次作业占总成绩比重的分数;
  • 伪造提交:虽然作业博客没有完成,但是先提交到作业占位置,判定为伪造提交,分数得0分;
  • 微信班级群如果发布相关通知也是作业要求一部分,请及时查看群通知;
  • 若需要在课程群填写相关信息,未能在deadline之前完成填写的,扣实际得分的50%;
  • 如对作业存在疑问,请在deadline之前三天在班级群提出;
  • 若助教对作业要求有修改,会在群内公告,请务必查看并按新的要求完善作业;

评分细则🚩

  • (60')【覆盖课程目标4】
    • alpha阶段问题总结(事后诸葛亮)
      (5') 设计/实现;测试/发布相关的问题
    • (10') 代码规范
    • (30') 7篇冲刺随笔
    • (10') 用户使用调查报告
    • beta冲刺总结
      (5') 项目预期计划、完成度相关的问题
  • (20')【覆盖课程目标6】
    • alpha阶段问题总结(事后诸葛亮)
      (5') 变更管理;团队的角色,管理,合作相关的问题
    • (10') 换组交接博客
    • beta冲刺总结
      (5') 过程体会、组员分工协作相关的问题
  • (20’)【覆盖课程目标7】
    • alpha阶段问题总结(事后诸葛亮)
      (5') 设想和目标;计划相关的问题
    • (5') 凡事预则立
    • beta冲刺总结
      (10') 计划完成情况、项目运行链接及截图展示等相关的问题
  1. 这次作业得分 = 答辩ppt得分 * 20% + 博客得分 * 80%

模块得分和总成绩

队伍名称测试/发布相关的问题(5)设想和目标(5)项目预期计划、完成度(5)随笔一到三(15)随笔四到七(15)用户使用调查报告(10)变更管理(5)换组交接博客(10)过程体会、组员分工(5)代码规范(10)凡事预则立(5)计划完成情况、项目运行链接及截图展示(10)博客总分答辩ppt总分(100)最终得分
PetGeeks445141394858388592.6589.59
Sprout新苗5451514104959499399.87597.125
像素游戏开发小队3441313948594108689.7187588.23125
你说的都队344141484858488489.0687587.04125
饭fun而谈345141494858498796.8187592.89125
145679联合王国4451414948510388890.37589.425
福大创智团344131494859488593.189.86
我和群众站一队445141484858498796.2592.55
相约福大004131300058085193.4687576.48125
学号姓名成绩
042201126杨世铭89.425
052201224游志军89.425
052203130邱哲晗89.425
052207115欧阳开源89.425
062200244洪语涵78.337125
062200253辜馨怡78.337125
072203218庄邵锟89.425
072203330梁心恬102.1721006
092200201蔡子航89.425
152201106庄仲华89.425
162204210李可78.337125
222000104李恺68.833125
222200108朱元烨94.741425
222200109庄芷洋79.408125
222200110刘炳麟72.5679
222200111李敬毅86.93955
222200112李嘉琪71.4673125
222200113杨清坤95.28975
222200114吴子妍87.3489375
222200116吴源桓90.709875
222200125郑韵92.3654636
222200127徐煜晖108.6056606
222200128翁焰72.5679
222200130黄陈铭89.43085463
222200131黄钰集90.709875
222200133傅俊鹏104.8203
222200134游镇诚94.741425
222200135叶翔锋78.337125
222200201于浩飞92.72565
222200203王晨如48.1831875
222200205冯诗雨91.6245
222200206朱江71.4673125
222200207朱骏祥130.7829375
222200208刘鑫城103.2496875
222200209许棠涛55.0665
222200210苏臻炜97.0488
222200212杨予凡68.833125
222200214吴思93.1196066
222200216张上毅103.2496875
222200217张伟琦94.741425
222200219陈诗柠93.1196066
222200220陈森103.2496875
222200221林点95.28975
222200222胡彭95.28975
222200223徐玮辰86.93955
222200224徐逸凡86.93955
222200225黄少洋78.337125
222200226黄文乐86.93955
222200227黄茂林97.0488
222200229曹品顺103.2305625
222200230梁蕴潆92.16843597
222200231游竣超97.0488
222200234马思敏92.16843597
222200304卢君豪91.6245
222200305卢禧93.21472325
222200307叶宇滟107.5025149
222200308冯欣馨95.28975
222200309孙阳99.954
222200310李怡涵91.6245
222200311李梓玄91.6245
222200312杨年申91.6245
222200314吴荣榜112.5776846
222200328夏振91.6245
222200329徐文彬99.957942
222200331翁鹏101.2184303
222200401丁昌彪91.6245
222200404刘嘉榕94.04699745
222200407杨知麟84.9177
222200408连文桢98.53661475
222200409肖勇84.9177
222200410张巧莹93.21472325
222200411张晨阳92.60325647
222200412陈宇89.97106388
222200416林予萱89.425
222200428黄铎彦6.8833125
222200429谢雨欣 
222200431漆廷煜156.67425
222200432赛比海·托合地亚尔78.337125
222200433魏毓延78.337125
222200435穆拉迪力·阿布力米提78.337125
222200440林胜阳 
222200315张俊腾91.6245
...全文
1183 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
数据集可视化效果可参见下方展示。 【数据集概况】 · 检测类别(中文):[保龄球(bowling)] · 训练集:594 张 · 验证集:75 张 · 测试集:74 张 · 总计:743 张 该数据集聚焦于室内保龄球馆场景,系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征,为保龄球运动过程中的球体识别与轨迹分析提供了高质量标注样本,具有明确的体育训练与智能辅助系统开发价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6966,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9740、Recall 0.9974,精召双高,模型对保龄球的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖保龄球,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 ...
PaddleOCR 与YOLO目标检测 HTTP 服务。 项目通过 PaddleOCROnnx 原生库集成 OnnxRuntime加速能力,围绕 ONNX 模型部署, 以统一接口提供图像文字识别、YOLO 目标检测和 Tensor 数据输出。 功能概览 文字识别:支持图片 Base64、multipart/form-data 上传,以及文本和 JSON 结果。 目标检测:支持 YOLO 图片检测,返回检测框 JSON 或原始 Tensor。 浏览器演示:访问服务根地址,上传图片并切换 OCR、YOLO 模式。 健康检查:通过 /health 查看服务及 OCR、YOLO 引擎初始化状态。 并发处理:通过 OCR 引擎实例池处理并发请求,可调整实例数量。 体验与调用 启动后访问: 入口 地址 浏览器演示 http://localhost:5000/ 健康检查 http://localhost:5000/health 原生依赖 Windows:优先从 runtimes/win-x64/native/ 加载原生 DLL;该目录没有 PaddleOCROnnx.dll 时,尝试从可执行文件所在目录加载。主 DLL 与对应后端依赖应放在同一原生目录中,不要将同一组依赖分散到多个目录。 Linux:原生运行时位于 runtimes/linux-x64/native/,程序使用相对于可执行文件的运行时搜索路径查找随包部署的依赖。 后端选择:CoreOCROnnx 支持 ONNX Runtime、OpenVINO、TensorRT 后端。请使用与平台、进程架构、硬件和后端匹配的一整套运行时,不要混用不同后端或版本的依赖。

113

社区成员

发帖
与我相关
我的任务
社区描述
202401_CS_SE_FZU
软件工程 高校
社区管理员
  • FZU_SE_TeacherL
  • 助教_林日臻
  • 防震水泥
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