算法设计

项目包含多个核心功能模块：基础LSTM模型、BayesianLSTM模型和ResNet-LSTM混合模型，每种模型针对不同复杂度的文档格式识别任务提供最佳解决方案。主要功能包括：1)支持对docx文档中商务标部分的文本序列进行建模分析，将文档内容转换为适合深度学习模型的输入格式；2)提供多种损失函数

本方案旨在解决目标检测和视频帧的多目标检测，该任务应用于后续的多目标跟踪和分割等任务。可根据用户需求更换数据集，不仅限于人。本方案使用深度学习框架，相比于传统算法，精度更高，本方案无需训练即可使用。

3、对音频数据进行处理，做一些音频实验 4、熟悉webrtc3A算法，调整参数保证音频底噪，拾音，破音等符合标准。 5、基于CNN进行简单的指令识别 6、训练二分类模型，部署到生产软件上，熟悉Postman，写Python接口，测试端口 8、熟悉Audition 9、提取webrtcANS中噪声估计模块，熟悉封装dll与lib

对于售货店的商品进行编号，并将信息录入数据库，程序通过视觉识别是哪些商品，获得对应编号价格等信息.采用改良的yolo算法，运行速度快，效果准确，在多商品的情况下也能良好地检测。在有误导物存在，或遮拦的情况下也能较为准确的检测。源代码内存较小，利于部署。

开发了一种深度学习模型，用于识别和分类人类的日常活动。同时，我们引入了一种新颖的音频隐私保护技术，该技术专门设计用于从高分辨率音频中提取非语音信息，并结合了惯性传感器数据。为了训练和测试我们的模型，我们构建了一个数据集，包含了多名参与者使用定制硬件设备进行的不同日常活动。我们详细阐述了数据的收集和预处理流程，并提出了一种创新的混合注意力机制的人类活动识别（HAR）方法。

针对采集到的工业场景Lidar点云，使用ResPointNet++从中语义分割出管道点云，结合DBSCAN聚类+Efficient RANSAC进行圆柱体形状检测与建模，针对真实管道点云残缺及有噪声所导致的建模错误、建模断裂以及建模缺失问题，设计增量建模框架，建模精度相比于现有专利提高25%。

可见光谱学和近红外漫反射光谱学（Vis-NIR）有助于快速和无破坏性的估算各种土壤特性，建立一种基于这种方法的估计模型有助于节省测量土壤氮元素含量所需的资源。本文中我设计了一种组合卷积神经网络（CNN）和Transformer网络两种模型的联合模型来预测土壤中氮元素含量，称为CNN-Transformer联合模型。它结合了CNN从数据中提取局部和抽象特征的能力，以及Transformer网络学习序列特征的各种依赖性的优势。本文中我通过区间随机蛙跳算法和斯皮尔曼相关系数法对选取特征光谱，然后在不同输入的情况下对比本文设计的联合模型、偏最小二乘模型、单独CNN和单独Transformer的预测精度并对它们的泛化能力进行测试。最后使用贝叶斯自动优化超参数模型对效果较差的联合模型的超参数进行调优来提高其预测能力。

该工程为步兵机器人和空中机器人（无人机）的控制系统设计，撰写的基于DJI机甲大师C板的单片机代码实现对机器人的云台控制框架，包含PID、ADRC、滑模控制等控制算法，实现云台的精准响应。所参与研发的步兵机器人在西南赛区获得步兵1V1对抗赛（省级）二等奖，3V3联盟赛（省级）三等奖；所研发的步兵机器人和空中机器人在东部赛区获得对抗赛（国家级）三等奖。