C++

C++是一门由Bjarne Stroustrup于1980年代在贝尔实验室开发的通用编程语言,其设计初衷是“带类的C”,即在C语言的基础上增加了面向对象编程等特性。它完美继承了C语言的高效性和底层控制能力(如指针和内存直接操作),同时引入了类、封装、继承、多态等面向对象机制,以及模板、泛型编程、异常处理、标准模板库(STL)等现代特性,使其成为一个兼具高性能和高抽象层次的多范式语言。C++以其极高的执行效率和灵活性著称,既可用于开发操作系统、游戏引擎、嵌入式系统、高频交易等对性能极度敏感的底层系统,也能构建大型复杂的桌面应用和服务器软件。然而,这种强大和自由也带来了显著的复杂性,学习曲线陡峭,需要程序员手动管理内存并深入理解语言细节。尽管面临现代语言(如Rust、Go)的挑战,但凭借其成熟的生态、庞大的代码遗产和持续的标准化演进(C++11/14/17/20),C++至今仍是系统级开发和高性能计算领域不可或缺的基石语言。
系统支持训练项目管理、故障模拟、驾驶操作考核、成绩评分、振动反馈、UI界面控制、AI智能问答、训练记录查询及数据统计分析等功能,同时支持多训练科目切换、题库管理及设备联动,实现完整的仿真培训业务流程。
140C++人工智能
设计分阶段课程学习与⾃动切换策略,提升⻓周期训练稳定性并降低策略震荡⻛险。构建Sim2Real接⼝与并联映射能⼒,完成⼯作空间惩罚与动作低通滤波,为控制侧联调提供稳定输入。⽀持⻓周期训练、断点恢复与回归验证。打通模型管理与ONNX导出链路,为C++侧推理部署与跨平台集成提供标准模型接⼝。
290C++机器深度学习
1、下位机:完成隧道小车的驱动控制;控制线阵相机扫描隧道;控制补光;控制雷达探测周边障碍物确保安全;接收遥控器控制指令。2、上位机:整合下位机采集的图像;实现缺陷的人工标注;实现缺陷的自动识别;输出说明缺陷类型及位置信息的工单
320C++机器深度学习
系统提供多终端SDK,支持Java、C++、C#、Python等主流语言,方便各类业务系统快速集成。基于RK3588边缘算力设备,实现毫秒级快速识别,无需依赖云端即可完成端侧推理,满足低延迟、数据本地化及恶劣网络环境下的实时作业需求。算法能够精准定位集装箱箱号及箱型号所在区域,并高鲁棒性地识别印刷、
510C++人工智能
下位机:通过对激光雷达所采集实时点云进行分析,融合视频图像识别目标类型,针对不同的目标类型产生对应的事件上报至上位机;接收来自上位机的协议指令并执行上位机:综合下位机上报的事件产生不同等级的告警客户端:提供全网所监测路段的实时监控,并提供历史数据的查询及报表分析
350C++机器人
工程上实现工业机器人(贯流风叶检测机),贯流风叶从入口进入,电子摄像头(2个)采集旋转的贯流风叶的表面图像,通过检测算法,将风叶识别为有无瑕疵(若有瑕疵,机器记录是何种瑕疵),分别从机器输出端两个出口输出。检测算法,基于yolov-5算法,建立基础数据集,训练出检测模型,实时快速检测风叶瑕疵,检测率
370C++机器深度学习
本项目面向卫星载荷在轨运行场景,目标是构建一套可部署在星载计算平台上的综合任务管理软件,支撑地面指令接收、任务调度、状态采集、数据处理和遥测下传等核心业务。系统围绕“指令进入、协议解析、任务执行、状态监控、结果反馈”的业务闭环设计,提供指令处理、数据总线、协议编解码、智能处理任务编排、设备状态采集、
710C++边缘计算
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
480C++自动驾驶
项目简历:基于Qt搭建停车系统客户端,MySQL实现数据存储;采用Socket与自定义协议实现网络通信;集成OpenCV完成车辆抓拍、车牌识别、自动计费及视频管理,完成分布式服务端-客户端联调功能模块:网络通信与数据同步,检测车辆和人脸,实时数据显示:车辆信息、停车时长、费用计算等数据实时更新,视频
650C++音视频多媒体
负责漂浮物视觉感知算法研发,实现漂浮物目标检测、距离估算、尺寸测算等功能;完成感知结果与前端地图系统对接,实现漂浮物位置及大小的实时可视化展示,并参与地图交互形式优化与项目落地。
730C++机器深度学习
功能介绍:1.细长静电线链接CV算法识别(属于cv算法模型识别小目标中的细长特难目标检测)2.工作人员值守识别3.当装卸车作业时,未连接静电线就开始作业时,预警
1330C++人工智能
该项目旨在对晶圆半导体进行成像,通过对图像中特定位置的线,圆,夹角进行检测,得出尺寸和角度的信息,据此判断产品测量项是否合格;通过传统算法结合深度学习,定位产品区域,并进行语义分割,计算缺陷Blob信息,据此判断产品是否合格。
470C++机器深度学习
点云智能分割产品系统
本项目基于PointNet/PointNet++实现点云的高精度分割与分类,核心功能覆盖全流程开发。搭建Ubuntu+PyTorch环境,支持点云数据加载、预处理、标注、训练与推理;借助CloudCompare完成点云裁剪、标注、合并与导出,实现自定义数据集制作;通过脚本自动分离点云坐标与标签,构建
1260C++机器人
1.基于ROS2Humble搭建机器人通信框架,实现多节点分布式开发,支持传感器数据实时采集与传输;2.集成YOLOv8目标检测算法,实现对行人、车辆、障碍物等多类目标的实时识别与跟踪,检测帧率稳定在30FPS以上;3.提供目标坐标输出、ROS话题发布功能,可直接对接机器人导航、避障等上层模块,支持
1010C++人工智能
1、算法部分:基于PaddlePaddle,在官方指定数据集上进行打榜,所有器官分割任务平均dice系数达到0.94232、软件部分:基于WEB的3D医疗数据解析平台,其中包含医疗数据的导入、分割、可视化和数据分析功能四大基础功能,且飞桨模型可在本地或云端部署进行推理。另接入百度文心大模型用于医嘱格
800C++人工智能
检测跟踪无人机
970C++机器深度学习
完成高性能半导体晶圆处理算法软件框架,实现:1)高通量2D图像处理及3D点云处理任务工作流;2)高性能CUDA、Triton算法实现2D图像处理及点云处理;3)机器学习、深度学习缺陷处理;
800C++机器深度学习
项目包含完整的训练与评估流程,核心模块包括:1.基于UnrolledADMM思想构建的可展开重建网络2.自定义C++/CUDA算子实现投影与反投影加速3.PyTorch模型训练框架与多实验配置管理4.支持多阶段参数学习与可学习正则化模块5.自动化评估脚本输出PSNR、SSIM等指标6.系统采用模块化
1050C++人工智能
核心算法:采用最新的YOLOv11算法,兼顾检测速度与精度。一站式流程:集成环境检测、数据集配置、模型训练、结果可视化等全流程功能。多模态检测:支持图片文件、视频文件以及实时摄像头画面的目标检测。可视化交互:通过直观的GUI界面展示检测结果(边界框、置信度、类别),并支持训练过程中的参数配置与日志监
1810C++人工智能
该项目主要探索多维的Tensor在CPU上实现快速的矩阵运算等,功能实现涵盖了自定义内存配置器Allocator,createTensorOne,createTensorZero,createTensorRand,cat,normalize,selectSet,selectGet,toString,
1470C++人工智能
当前共23个项目more
×
寻找源码
源码描述
联系方式
提交