邮件01
发件人：Michael
收件人：李光学
主题：卷烟图像识别
内容：
多谢Larry的信息，今早的会议可能还有跟多的问题需要大家帮忙，今天在西雅图，我和述哲讨论了一些核心技术与数据准备工作，建议先从识别开始请大家看一下，开会再讨论
数据需求：先把需求全部列出，可以逐步完成，真伪的识别是一个很严重的问题，数据的采集上，希望是越全面越好。
- 每一种烟盒需要以下图片
a. 六面（正，反，上，下，左，右）图片：每个面各有12张，叙述如下
i. 左转10，20，30度
ii. 右转10，20，30度
iii. 上翻10，20，30度
iv. 下翻10，20，30度
b. 用iPhone, 以及国内市场占有率前三名的Android手机拍摄。拍摄前把镜头清干净。
c. 每个拍摄手机由三位不同人员个拍一组。
每张图片至少附上品牌名称，生产厂商，型号（同一品牌常有不同型号，不同价格）
在全面展开前我们可以先从2, 3个品牌收集数据做POC。
核心技术
算法：深度学习, CNN, ResNet（解决CNN层次超过20左右，数据退化，准确度降低的问题）
计算平台：Horovod（数据并行），TensorFlow，GPUs
整理
Michael与述哲关于项目设计的核心技术和数据准备进行讨论。
数据方面，需要提出的是真伪的问题。
烟盒图像方面采集：
六面（前、后、上、下、左、右），而每个面有12张图片
- 左转10,20,30度
右转10,20,30度
- 上翻10,20,30度
下翻10,20,30度
使用iphone，或者国内市场常用手机前三名的Android手机拍摄
每个拍摄手机由3位不同人员各拍一组
每张图片至少包含品牌名称、生产厂商、型号（同一品牌常有不同型号，不同价格）
POC先从2~3个品牌收集的数据开始
核心技术：
算法：深度学习，CNN，ResNet（解决CNN层次超过20，数据退化，准确度降低的问题）
计算平台：Horovod（数据并行），Tensorflow，GPUs