特征提取

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。

功能概述 基于扩散模型的图像特征抽取，可用于做特征点匹配。 Project Page | Paper | Colab Demo 环境准备 安装独立repo库 pip install git+http

这是一个音乐软件的一部分，用户可以通过对唱片拍照来直接获得唱片的详细信息和音源。 我进行了算法的开发，实现和测试，并实现了这个API，用户可以上传图片来寻找数据库中对应的唱片。我通过对唱片上的文字提取以及对图片的特征提取，然后使用faiss实现编码，基本实现了100%的正确率。

本项目目前仍在进行，因涉及保密协议无法完全说明细节，作品图片已经涂抹处理。简单来说，本项目通过对友达光电在不同工况下某种时序信号的分析，做数据清洗，特征提取，特征可视化等基本流程，去判别时序信号来源器件的毁坏程度。

1. 可提供智慧餐厅中，AI菜品自动识别技术方案以及服务SDK。 2. 为实际商业化项目经过项目现场验证的技术。 3. 使用了机器学习、深度神经网络、图像识别等技术封装。 4. 提供演示Demo