基于 Java + 深度学习的 AI 图像语义分割辅助标注系统产品系统

本项目针对科研、AI 算法团队在图像标注环节效率低、人工成本高的行业痛点，依托 Java 后端搭建稳定的标注管理平台，结合 Python 深度学习模型实现 AI 辅助标注功能，解决大规模图像数据标注周期长、标注质量参差不齐的问题，为计算机视觉科研项目、AI 模型训练提供高效的数据标注解决方案，适用于高校科研团队、AI 算法公司的日常数据处理场景。

系统核心分为 Java 后端服务、Vue 前端管理平台、Python AI 模型服务三大模块：
后端基于 SpringBoot 搭建，实现用户权限管理、标注任务分配、标注数据存储、项目进度管控、数据导出等核心功能，支持多用户协同标注；
前端基于 Vue3 实现可视化标注界面，支持矩形框、多边形标注、标注结果审核、标注历史回溯等操作，适配多终端访问；
AI 模块基于 PyTorch 集成 SAM2UNet 语义分割模型，实现图像自动预标注，用户仅需对 AI 标注结果进行微调，大幅提升标注效率 50% 以上；
支持标注数据批量导入导出、标注质量统计分析、标注任务进度可视化等拓展功能，满足科研团队全流程数据标注需求。

本人负责项目全流程开发，核心职责包括：
基于 SpringBoot+MyBatis-Plus 完成 Java 后端架构设计与接口开发，适配 CouchDB 非结构化数据存储，优化高并发场景下的数据读写性能；
基于 Vue3+Element Plus 完成前端页面开发，实现前后端联调、权限控制、数据可视化等功能；
基于 PyTorch 完成 SAM2UNet 模型的工程化改造与部署，实现 AI 预标注服务与 Java 后端的对接，优化模型推理速度；
负责项目部署运维、性能调优、bug 修复与版本迭代，解决了模型推理延迟高、多用户并发标注数据冲突等技术难点，保障系统稳定运行。