Caffe

1.数据加载与分段-从本地archive/raw/目录读取CWRU.mat文件-按文件名关键字（normal/ir/or/b）自动分配类别标签-提取驱动端(DE)和风扇端(FE)两路加速度信号-用滑动窗口（窗口=1024，步长=1024）切分为固定长度片段-输出形状：(样本数,2,1024)2.数据

基于大模型驱动的具身智能巡检小车，面向新能源场站等复杂环境，实现自主导航、动态避障与智能巡检。融合SLAM建图与路径规划算法，支持多点巡检与多机器人协同作业。内置视觉与语音多模态感知能力，可完成仪表读数识别、设备状态分析及异常预警。结合大模型推理能力，实现巡检策略优化与自主决策。支持数字孪生与远程交

本项目是一个匿名情绪树洞类Web产品系统，主要面向需要情绪表达、匿名倾诉和轻量互动的用户。系统支持匿名身份选择、内容发布、情绪标签筛选、AI情绪分析、本地IndexedDB存储、Supabase云端数据同步与实时内容更新等功能。在产品设计上，用户无需绑定真实身份即可发布内容，降低表达压力；系统会根据

系统内置智能语义识别与多轮对话核心能力，覆盖用户日常业务咨询，问题反馈，自助办理全流程服务。支持智能意图精准判定，自动话术回复，常见问题快速应答，可自动分流客户诉求，无感转人工

设计并实现一套跨平台、通用型的嵌入式软件开发标准化工作流系统，通过定义标准化的Skill规范，可被任何支持技能加载的AIAgent使用（ClaudeCode、Cursor、Cline等），覆盖从需求分析到代码实施的全生命周期，并提供关键节点的质量审查能力。

实时语音识别转文字，AI智能对话生成，语音合成播放回复。支持多轮对话、情感识别、角色切换，打造沉浸式语音交互体验。采用WebSocket实时通信，支持流式响应，优化延迟至秒级响应。

用于ai音频标注，文本格式自动化处理，视频自动标注，图片自动标注，大幅提升工作效率与工作舒适度，可以花小钱办大事，无论是团队公司还是个人，有一个自动化的插件，都是事半功倍

AI智能交互：意图理解、多轮对话、本地记忆、知识问答自动化执行：文件处理、数据清洗、日志监控、定时任务、自动修复机器人控制：姿态稳定、PID调优、步态算法、抗干扰平衡私有化部署：本地离线运行、数据安全、不依赖外网系统定制开发：Python全栈、Windows桌面程序、Web管理后台

1.智能对话分析•自然语言交互：像聊天一样进行数据分析•上下文理解：理解业务场景和用户意图•实时动态分析：随时调整分析维度和深度•知识沉淀：分析过程和结果可保存复用2.例行报告自动化•定时自动生成：日报、周报、月报、季报自动生成•个性化视图：同一份报告，不同角色看到不同数据•多维度分析：支持趋势分析

流浪龙虾是一个跨境外包任务平台，汇聚全球悬赏任务，支持USDT/USD/CNY多币种结算，帮助开发者快速接单变现。深海赛博朋克风格界面，中英双语任务广场，透明定价，佣金低，安全有保障。

项目包含缺陷类别配置、提示词管理、批量图像生成、视觉质检、自动标注、YOLO数据审计、市场基准对比、销售交付打包等模块。系统能够围绕具体缺陷类型批量生成图像样本，结合质检与标注流程输出规范化数据集，并自动整理图片、标签、质量报告和对比报告，适合用于AOI算法验证、工业缺陷检测POC、客户试单交付和后

项目包含客户端层、传输层、八维大模型层、存储引擎层、基础设施层五大模块。实现离线优先、智能预取、端侧AI、CRDT实时协同；基于HTTP/3与QUIC协议保障极速传输；八维大模型提供认知、预测、决策、生成等核心能力；存储层实现全局去重与自适应压缩，整体实现性能、容量、AI能力全面升级。

1.量产车端多传感器融合系统全向融合感知：基于6V5R1L配置，实现多传感器优势互补，保障城市道路全向安全覆盖多视角跟踪：BEV空间下统一进行车辆、车道线时序跟踪；分别维护Lidar、RV单源航迹全局航迹管理：设计代价矩阵实现单源与全局航迹最优关联，解决目标ID频繁切换状态估计平滑：采用CV/CTR

项目包含数据抓取、失败重试、明细清洗、统计汇总、样例输出、日志记录和微信推送等模块。能够自动统计当日记录数、处罚金额、审核状态、主要举报人和责任人，并生成结构化日报。最终结果会以Markdown形式整理后自动推送到微信，方便移动端直接查看，也便于后续扩展为周报、异常告警和业务看板同步。

本系统集成了先进的多模态识别与自动化处理功能。其核心涵盖了图像识别与音频分析，能够通过摄像头实时捕捉场景并识别特定目标或异常行为；同时支持本地化的LLM文本生成与逻辑推理，实现复杂的语音交互指令。系统还具备自动化告警与日志记录功能，通过与传感器联动，在检测到环境变化时自动触发响应机制，为用户提供一个

编写一个自动化智能体，将PDF格式的语文教材课文提取出来，并借助大模型的能力，将其与Excel中的“知识点库”进行智能语义匹配，最终输出结构化的分析结果。

1.文本自动化清洗2.文本情感分析3.信息抽取：识别文本中的实体以及实体之间的关系4.以web服务方式进行线上部署和调用，采用python与pytorch框架结合

本文设计与实现了一种改进YOLOv11的手语识别系统，首先要解决的就是手语识别的便捷性问题，以往的研究中，往往对设备要求较高，很难普及到日常生活；其次要解决准实时性问题，我们需要在有限的计算资源下完成准确及时的手语识别；再次要提高模型的鲁棒性，使得模型在复杂的环境下也能进行精准快速的特征提取，以满足

引入多层注意力机制，结合Transformer，在Flickr和MS-COCO数据集实现了2%左右的涨点，提升了检索准确度，可视化注意力机制效果明显，论文成功发表在计算机顶会ijcai。

本系统基于Caffe深度学习框架，核心功能包括：1.图像预处理模块：通过OpenCV对输入图像进行归一化、降噪等处理；2.模型推理模块：使用C++实现高效推理，支持批量图片与实时视频流；3.结果输出模块：生成分类标签、置信度及可视化标注；4.数据管理模块：支持识别结果存储与查询。系统可部署在Linu