机器深度学习

机器学习,深度学习是人工智能的核心分支,致力于让计算机系统通过数据驱动的方式自动学习和改进性能,而无需显式编程。其核心是从数据中识别模式或规律,构建数学模型,使计算机能完成预测、分类、聚类等任务。主要类型包括监督学习、无监督学习和强化学习。机器学习广泛应用于自然语言处理、计算机视觉、推荐系统等领域,正重塑各行各业,是当前AI爆发的核心技术之一。
1.项目整体可以分为软件部分和硬件部分,软件部分可以分为图像采集、模型推理、结果输出、远程控制,硬件部分主要是外设(摄像头、屏幕,电源、喇叭)、边缘端处理设备和信号输出器2.功能描述,通过在适当位置部署摄像头采集图像,可以对危险进行预警并辅助操作员控制,具体辅助方式可以根据使用方式修改。这里以设备部
180C++机器深度学习
1、项目有哪些具体功能模块:系统包含实时手语检测模块、手势学习模式、数据记录与分析模块、声音反馈系统、手势序列识别模块、用户界面模块和配置管理系统。实时检测模块通过摄像头捕捉手部动作并识别26种标准手势;学习模式提供交互式手势教学;数据记录模块保存识别历史用于分析;声音反馈提供实时提示;序列识别能检
790Python人工智能
本项目结合AIOT(人工智能物联网)技术,利用单片机、传感器、摄像头等设备实时监测系统将自动生成警报信息并通过微信模板消息通知用户,确保消防设施的运行状态能够得到及时监控与响应
340C人工智能
经过初次学习,提交的作业实现的只有几个经典功能-蜂鸣器(开/关);摄像头capture(多次摄像、图片显示时可以点击上下切换);相册(左右点击切换以及删除图片);小试微game二个(仅仅基于字库和一些判断逻辑猜数字等);音乐播放(可随机播放-顺序播放上下一首-滑动调整音量),显示时间等。学习到同学做
660C++机器深度学习
1、提供图生3D服务,上传一张图片可以智能自动生成对应的3D模型,免去建模操作。2、提供线上3D打印服务,使用生成的3D模型可以在线上使用3D打印服务打印模型并提供快递寄送服务。
620Java机器深度学习
图像处理程序产品系统
以目标检测为例:1.对监控摄像头或工业相机采集的图像进行几何变换、直方图均衡、图像分割等预处理2.对预处理的图像进行基于深度学习的模型推理,检测是否含有目标对象3.如果检测出目标对象,标记框选检测到的目标对象4.收集更多实际应用场景中的图片,进行深度学习训练5.使用训练好的模型进行推理检测,提高检测
700Python项目任务
视觉数据采集模块:负责获取单目/双目相机的原始图像数据,支持实时视频流采集或离线图像序列导入。包含相机参数校准(内参、外参)功能,修正镜头畸变,为后续深度计算提供精准基础数据。支持图像预处理(去噪、曝光校正、白平衡调整),提升原始数据质量,减少环境干扰。深度估计模块:双目视觉分支,通过结合神经网络和
1230Caffe人工智能
1.各种模式的IMX415驱动支持,调试支持产品规格1.45umpixelsize,分辨率为:3840X216030fps/60fps,DOLHDR2F30fps等等
811C++脚本插件
1.机器派发为了减轻人工派单压力使用AI机器学习技术训练模型,对新产生的投诉案件的投诉内容通过中文文本分类算法,预测所属的对应的案件类型和所属部门为90以上,以达到热线派发精准分类,便将任务自动直接派发。2.辅助派发在机器预测值不足90时,还是由人员进行手工派发,派单员手工派单时,系统也会给出三个派
850Python机器深度学习
1、数据爬取。利用爬虫程序模拟人类浏览行为,遍历目标网站,收集并整理所需数据。遵守法律法规和网站规则,尊重隐私政策,避免对目标网站造成不必要的负担。同时,还注重数据的准确性和完整性,确保爬取到的信息具有实际应用价值。2、数据分析。通过数据挖掘和机器学习算法,数据分析发现隐藏的价值,推动业务创新和发展
1330Python机器深度学习
1.利用Wireshark和数学工具深入分析运营商及学校的核心网关,研究公开的隧道式网络协议。通过Python和C++编写的高性能即时部署脚本,模拟手机和电脑等终端,实现对各类终端的公开和非公开网络协议的识别。2.负责对大量网络基础协议包内容(非包头)进行数学分析,验证全新的拦截规则与误杀概率。这一
1390C++网络安全
医用PVC卷材在线实时缺陷检测主要功能如下:1、2个8K高速线扫相机,最宽可以覆盖2m的产品;速度最高60m/min2、配方管理,方便客户快速切换型号3、友好的参数调整界面,方便客户快速调整算法准确度4、历史数据存储&查询功能,轻松追溯历史数据5、使用神经网络(Resnet)进行缺陷分类
890C++机器深度学习
开放域视觉定位:支持通过自然语言指令,在图像中定位任意指定的物体、人物或场景元素。思维链增强推理:利用大模型的内在推理能力,通过多步思考提升复杂场景下的定位准确性。参数高效微调:采用LoRA技术对Qwen2.5-VL-7B模型进行微调,仅训练少量参数即可显著提升在目标领域的效果。完整训练流水线:实现
2920Python人工智能
Myolotrain开源项目
Myolotrain是一个可视化管理yolo视觉模型训练的系统,为计算机视觉任务提供了直观的图形界面。该平台集成了在线标注、数据集管理、模型管理、训练管理和目标检测功能,支持windows、linux、docker等多种部署方式,使用户能够轻松地训练和部署YOLOv8模型,支持CPU和GPU,使用t
1861Flask人工智能
1.分为端面缺陷检测以及内部缺陷检测两种;2.导入深度学习算法,对相似度比较近的缺陷进行分类;3.算法实现了对产品表面的各种各样的缺陷进行抓取、分类;4.为客户提供过漏检数据、缺陷分类数据,让客户可以根据数据对前端工艺进行优化修改,提升产能。
1351C++机器深度学习
AI动态大脑API产品系统
API接口安全分析POST/api/analyze:安全分析POST/api/meta-cognition:元认知分析POST/api/intelligent-reasoning:智能推理POST/api/decision:决策生成实验管理POST/api/experiment/create:创建实
620Caffe人工智能
项目特色:1.自适应检索策略:根据本地文档数量自动选择本地检索或Elasticsearch检索,支持运行时强制切换。2.多版本演进:从基础命令行版本延展到多个WebUI版本(简洁版、增强版、图像增强版、ESRAG版本等),满足不同部署和交互需求。3.混合检索与网络补充:优先使用本地知识库,缺失时可通
2110Python人工智能
项目主要分三部分:controlHFSS,CNN_FC,predictcontrolHFSS负责调用接口,通过脚本控制Ansys-HFSS生成部分随机的电磁结构并进行仿真,并导出表格数据,最后整合为“特征+标签”的数据集以供后续使用;CNN_FC负责对数据进行预处理操作并进行卷积神经网络模型训练;p
1370Python机器深度学习
项目介绍:本项目旨在解决复杂网络中的链路预测问题及增强模型的可解释性,提出了一种结合图神经网络(GNN)和贝叶斯网络的创新框架。通过多层次的图神经网络提取节点的局部和全局结构特征,并结合节点属性信息,利用贝叶斯网络进行概率推理,在SCHOLAT数据集上实现了93%的准确率,在YST数据集上实现了81
1060Python人工智能
●项目介绍:本项目设计并实现了一个从单张人脸图像预测BMI的端到端系统。我们自行爬取数据并制作数据集,设计并实现了一个轻量级CNN。最终,模型在独立测试集上取得了4.39的平均绝对误差(MAE),并使用Flask框架将其封装成一个可交互的Web应用,完整实现了从数据获取、模型训练到服务部署的全流程。
1180Python人工智能
当前共968个项目more
×
寻找源码
源码描述
联系方式
提交