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。
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
90Torch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
130Python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
150Java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。
110Python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
160Python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。
371Caffe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
340C人工智能
本地RAG开源项目
项目简介:本项目是一个基于本地大模型的智能文档问答系统。你可以上传自己的文档(目前仅支持txt文件),大模型将会根据文档内容回答你的问题。整个过程完全在本地进行,无需联网,保障隐私安全。核心功能:-文档上传与管理:支持上传'.txt'文件,并自动构建数据库。-智能问答:你可以显式指明"根据文档内容进
240Python人工智能
本功能依托无人机飞控系统,支持燃气管道全线路常态化定期巡检,可提前规划固定航线,实现无人机自主巡航、稳定飞行与全覆盖作业。飞行过程中同步采集管道高清影像与环境数据,结合AI智能识别算法,自动检测管道锈蚀、防腐层破损、燃气泄漏等本体隐患,精准甄别沿线违规施工、违章占压、明火杂物等外部风险,实时标记异常
310Java企业服务
系统包含图像数据预处理、模型训练与调优、图像识别与分类、结果可视化、批量处理、模型导出、API接口调用等核心功能。支持自定义数据集训练、多模型切换、准确率实时统计,可快速部署到本地或服务器,满足不同场景下的AI识别需求,操作简单易上手。
310Python人工智能
系统基于多目相机完成溜井扫场与标定,结合目标检测算法识别石头、破碎机、栅栏、车辆、人员等目标信息;下位机根据识别结果完成自主路径规划、破碎、推石、扫石及人员/车辆避障,并通过CAN通信控制破碎机执行作业;上位机实时接收并展示破碎次数、人员进入次数、车辆进入次数、石头层高等关键数据,同时支持多路RTS
320C++音视频多媒体
本文档描述**当前仓库已实现**的训练/简单集成/预测能力、配置来源、置信度含义,以及在**弱信号开奖问题**上可核验的**定量效果**与表述边界。数据引用以仓库内`reports/ensemble_experiment_log.jsonl`、`configs/ssq/model_config.ya
240Python人工智能
具体功能模块项目包含系统管理、系统监控、系统工具、设备管理(机场列表、航线文件上传、航线任务、航线飞行记录、媒体文件、巡检报告、日志管理)等核心业务模块,覆盖电站无人机巡检全流程。主要功能描述支持点云模型、obj、fbx、bim等常见模型的加载,平台基于大疆机巢无人机技术,实现电站全场景智能巡检:支
590Java机器深度学习
OCR识别:实现驾驶证/行驶证/银行卡等通用证照识别,以及钢材标签、采购合同、授权委托书等定制化文本识别,已在公司内部全面推广使用RPA流程自动化:完成财务场景13家银行流水自动获取,大幅提升财务工作效率计算机视觉:落地钢材表面缺陷检测、仓库车辆出入库管控、加工中心钢卷自动上卷等工业视觉项目预测算法
330Python人工智能
目标检测模型:使用YOLOv8s模型,通过训练游戏截图数据集来识别敌人。图像处理:捕获游戏窗口图像,进行预处理(如缩放、裁剪)以适配模型输入。坐标计算与控制:计算目标中心坐标与鼠标位置的偏差,模拟鼠标移动实现瞄准。性能优化:考虑GPU加速、推理速度等,确保实时性。
440Python机器深度学习
论文翻译开源项目
基座冻结训练:冻结大模型基底权重,仅开放部分参数参与训练,降低显存开销,避免通用能力灾难性遗忘。LoRA参数微调:使用低秩矩阵对模型做垂直微调,定向学习计算机学术论文句式与专业术语,强化学术翻译精度。模型指针调用:设计模型权重指针映射,动态指向微调后的LoRA分支与原始基座分支,按需切换推理权重。R
330Python人工智能
可以做图片的分类训练,使用常见的模型,训练调优等包括特定场景老鼠的识别,基于视频流;工业流水线产品下次检测;家禽声音鉴别呼吸道疾病;RGBD图像合并点云等多项工作
260Python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
550C++机器人
面部情绪分析:基于高精度面部关键点检测与微表情识别算法,实时捕捉眉毛、眼睑、嘴角等43个面部动作单元的细微变化,结合深度学习模型(如ResNet+注意力机制)对快乐、悲伤、愤怒、恐惧、惊讶、厌恶、中性等7类基础情绪进行置信度评分,支持情绪强度时序曲线生成与关键情绪片段标记。语音情绪分析:通过梅尔频谱
480Python人工智能
模块一:图像/点云采集模块主要功能:控制RGB-D相机(如IntelRealSense、AzureKinect)采集死猪及参照物的俯视图像、深度图或点云数据。确保参照物(如已知尺寸的棋盘格、ArUco码板或标尺)与猪体同框,并自动触发多角度拍摄(可选)。模块二:参照物检测与空间标定模块主要功能:自动
370Android机器深度学习
当前共1091个项目more
×
寻找源码
源码描述
联系方式
提交