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。
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。
60C++机器深度学习
系统主要包含用户登录注册、文本情感实时分析、分析结果保存、后台数据管理、情感统计和可视化展示等功能。用户可以在前端页面输入中文文本,系统调用后端情感分析模型判断文本的正负向倾向,并将结果返回页面展示。管理员可以查看和管理历史分析数据。系统还通过ECharts图表展示情感分类数量、占比和整体分布,使文
150Python电商
本系统实现了一套基于文本引导的图像颜色编辑流程,主要功能包括:1.文本引导图像编辑:支持通过自然语言描述对图像内容进行颜色修改,例如指定物体颜色或调整局部区域;2.目标区域自动定位:基于跨模态语义理解,自动识别图像中与文本相关的目标区域,实现精确编辑;3.颜色可控生成:结合扩散模型生成能力,使颜色编
100Python人工智能
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
280C++人工智能
1.多阶段训练策略,对高光谱图像进行空间-光谱解耦2.设计空间-频域增强模型3.结合Tucker分解原理,设计渐进式残差光谱增强模型4.设计空间-光谱渐进式融合模块,实现对光谱和空间信息的相互融合
180Torch人工智能
雷达数据处理产品系统
点云聚类目标跟踪航迹框生成场景识别利用模型去做端到端处理算法工作全部涉及测试验证模型量化部署实现符合要求的全部功能还可以按照需求进行扩展开创性的引入模型在工程化的工作中
190C++汽车
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,对产品进行缺陷检测与分类,并计算缺陷Blob信息,据此判断产品是否合格。
260C++机器深度学习
基于QT的opencv深度学习的人脸识别基于QT的opencv深度学习的人脸识别基于QT的opencv深度学习的人脸识别https://zrq2.batch.icu/posts/opencv-dnn-facerecognize-+qt/
310C++机器深度学习
1、拍卖算法模块,包含(协商模块,任务添加模块,任务移除模块),鲸鱼优化算法,包含(螺旋上升、全局探索,局部探索)2、在无人机和无人车被干扰的条件下实现任务规划
300C++自动驾驶
LamaErasure产品系统
⚡零配置环境,开箱即用:所有推理环境(ONNXRuntime,OpenCV)均已作为ThirdLib静态/动态链接集成,无需在目标机器上安装Python或任何深度学习框架。?丝滑的交互式画布(InpaintCanvas):支持鼠标直接在图像上涂抹生成Mask,实时调用后端ONNX模型进行图像无缝擦除
260C++人工智能
1.数据清洗:处理缺失值、异常值,统一数据格式,确保输入质量。2.探索性分析:通过可视化图表(散点图、热力图、分布图)分析各变量与销量的相关性,识别关键特征。3.特征工程:对类别变量进行编码,构造交互特征,筛选高相关性变量。4.模型构建:建立多元线性回归模型,并对比决策树、随机森林等算法效果,选择最
360自动化测试区块链
医学系统产品系统
实现全身器官和骨骼高精度高速度分割主导从0到1的数据闭环建设:协调多家合作医院收集临床图像数据,联合放射科医生共同制定浓聚区域(如骨转移灶、代谢活跃区等)的标注规范,确保标注标准兼具医学合理性与算法可学习性。针对医学图像信噪比低、病灶尺度多变等特点,自主设计了一套面向任务的预处理与数据增强pipel
360C++人工智能
分类模型检测开源项目
#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie
300Caffe人工智能
本项目是一个基于KaggleNotebook开源的深度学习实验项目,主要围绕ABNetwork与TransformerBase等模型方案进行训练效果对比与验证。项目包含数据读取与预处理、特征整理、模型构建、训练参数配置、实验过程记录、指标评估与结果比较等模块,能够用于复现实验流程、分析不同网络结构的
430Torch人工智能
–使用Pandas,NumPy和TensorFlow/Keras构建端到端分类模型,预测泰坦尼克号乘客的生存情况。–进行了全面的探索性数据分析(EDA)和特征工程(处理缺失值、编码性别/登船港口/舱位等级),并使用Matplotlib和Seaborn可视化了关键生存因素。–通过Gemini辅助的超参
380Python人工智能
1.客户在门店3D量体,自动采集身体尺寸,自动上传服务器,解决了传统定制的量体难题;2.客户平台选择服装款式,系统智能匹配对应尺寸的衣服,AI试衣,客户可以自己当模特试穿衣服,满意后下单购买,很大程度解决了客户在系统亲身试衣难题和服装自动匹配难题;3.工厂按客户身体尺寸定制衣服;4.发货给门店,同时
380Java电商
系统提供站点级7天水位预测、1–7天历史回测、持久化基线对比、不确定性可视化、上游辅助修正、数据可用性诊断等功能。用户可查看最新预测曲线、对比历史真实值与模型输出、观察不同预测天数下的回测效果,并通过图表快速识别模型在不同时间段的稳定性与适用边界。系统支持在线演示和结果展示,便于技术验证与场景沟通。
280Python人工智能
将整个研究视为一个“感知-决策-部署”的完整系统进行顶层设计。该方法将目标检测模块、多目标跟踪模块,分析并权衡各子系统在精度、速度、资源占用等关键指标上的内在矛盾与协同关系。基于此,规划出从算法层改进、到应用层集成、再到工程层优化的阶梯式技术路线,确保最终实现的系统原型在整体性能上达到最优平衡,满足
330Python人工智能
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。
551Caffe人工智能
项目主要包含三大功能模块:1.图像预处理模块,支持对微藻图像进行批量裁剪、去噪、增强等操作,提升后续识别精度;2.目标检测与分类模块,基于YOLOv12模型实现微藻目标的定位与多类别分类;3.结果统计与导出模块,可输出检测报告、目标计数结果及可视化标注图像,支持Excel格式导出数据,满足科研分析与
580C人工智能
当前共1104个项目more
×
寻找源码
源码描述
联系方式
提交