openCV

知识图谱架构设计：整合多层级标准源数据，开发PDF结构化解析算法，实现非结构化文本向知识节点的精准转化 标准关系建模：构建依赖标准、替代标准、代码表等多维度关联模型，揭示标准体系内部逻辑关系 语义解析能力：设计关键信息抽取规则，成功提取标准间的继承、引用、冲突三类语义关系 系统应用价值：通过可视化知识网络提升标准检索效率，支持跨领域标准协同分析与智能推荐场景

这是一个基于深度学习的图像真伪识别系统，能够区分真实图像和伪造图像。系统使用PyQt5构建了用户友好的界面，支持图片和视频的实时分析。 支持图片和视频的真伪识别 实时视频分析功能 友好的图形用户界面 多种深度学习模型支持（ResNet50, VGG, DenseNet121等） 结果统计和历史记录功能

SAR是卫星微波遥感频段传送来的灰度图像。本项目利用百度的paddleDetection下的ppyoloe模型实现了对SAR图像中特征目标的识别工作。这些工作包括，对训练数据集sardet-100k的预处理引入，以及使用ppyoloe模型对这些数据进行训练的过程。还包括对配置文档的设置、对部分源码的修改、以及在funhpc云上进行训练的过程。最终得到了良好的AP值。

本项目通过对近千张工人安全帽佩戴与未佩戴的有标注数据集，使用paddleDetection神经网络模型对其进行训练，最终的获得了一个可以针对视频流中未带安全帽人物发出识别报警的视觉神经网络。 同时又通过对近千张工人睡岗与未睡岗的有标注数据集，使用pp-Human神经网络模型对其进行训练，最终的获得了一个可以针对视频流中睡岗人物发出识别报警的视觉神经网络。 开源地址是训练过程与部署文档

OpenPicPal是一个用于图片训练和自动分类的开源软件项目。 作为一个Python项目，OpenPicPal基于InceptionV3基础模型，可以在使用者自身准备的图片数据集上训练出需要的图片分类模型，然后基于结果模型进行图片分类。 自主独立完成。