华电软工非全研究生-毕业论文定位实验的进展和进入实战阶段
一点感悟：
基于所选的研究方向导致导师及其周边的同学多为非技术背景。对于技术细节的问题往往只能依赖于查阅文献或使用工具如GPT来辅助解决。偶尔遇到几个全日制的学生也是小白状态，则是处于初级学习阶段的状态。这种研究之路的孤独感油然而生。
我的要求不是仅仅停留在理论模型或仿真实验阶段而是希望避免仅停留在理论模型或仿真实验阶段。
每隔一段时间就需要对实验进展进行总结并记录下来并在面对困难时也要坚持自我激励！
1.成功设计深度学习模型
近两个月利用业余时间进行开发研究后发现
2、进入实战阶段
2.1、买了二手安卓设备
我的模型及定位系统主要依赖于谷歌的ARCore服务，在家中使用的一部旧Mate 10手机并不具备ARCore兼容性。为了找出适合该设备兼容的国产廉价手机型号组合, 我进行了相关调研并最终整理出了一张包含ARCore兼容设备列表的资源链接: https://developers.google.com/ar/devices?hl=zh-cn。将下载链接整理到文档中并附上了相关说明文件后进行测试
多亏这个设备列表，我在二手转转上买了支持arcore的小米10 lite。贴图：
2.2、模型轻量化和移植到小米手机
将PyTorch模型转换为ONNX格式，并将其进一步转换为TensorFlow Lite模型。经过20个非工作日的专注努力，最终实现了该模型在安卓平台上的迁移。目前初步观察了该模型在移动设备上的运行表现。
2.3、感谢谷歌学术推荐的书籍，我如获至宝！
一本质量极高的书籍，在七月份刚刚发布上市，在线阅读平台推荐下我迅速前往华北电力大学的学术资源库里查找资料，最终费用约为70欧元左右。随后尝试咨询周边的同学和朋友却未果，在这个时候突然想到了Zlibray网站（网址：https://zlibrary-asia.se/），终于找到了想要的文献资源后感到非常激动和满意。这本书的内容十分丰富且引人入胜，并且其中的内容完全符合我的研究方向，并紧跟前沿进展！
接下来的工作
硬件和数据采集系统已充分准备就绪。随后将收集自身运动惯性单元（IMU）的数据集，并通过运行预设的模型评估流程来完成实验闭环流程。
为了推进研究进度, 我们计划启动基于指纹识别技术的定位模型研究项目, 并将致力于推动模型创新研究。
为了提升学术影响力, 我们的团队正积极计划撰写并投稿至高质量的SCI期刊。
最后
欢迎同行联系相互交流！
加油！