机器学习/深度学习

基于深度学习中的卷积神经网络实现医学影像分割，并发表到Q1的SCI。在此部分中全权负责影像的分析及文章的撰写

这是一个简单的图像识别处理，基于python的CIFAR10数据集进行多次训练，再通过输入图片来识别该图片的内容是属于CIFAR10训练集中的哪类图片。整个作品的代码均为我一人制作。使用了机器学习基础中的CNN卷积代码实现图像识别。实现了再在整体数据集上的正确率达65%

python angular redis mysql nginx linux 作品分类（1-5个分类）（必填）： 机器学习/深度学习 脚本编程语言 网络爬虫 日志分析和统计 项目构建 添加标签，按回车确认 HTML5开发相关文件管理器其他jQuery插件Chrome插件/扩展论坛系统BBS作业/任务调度网络爬虫日志分析和统计图形和图像工具Emoji 表情相关终端/远程登录搜索引擎项目构建REST/RESTful项目嵌入式操作系统

知名的社交内容推荐类项目，搭建数据，内容平台等对外提供社交内容服务： 2.1 图像处理包括图像内容识别，分类，算法包括FM ,GBDT ,XGboost , CNN ,DNN，DSMM等等。 2.2.内容推荐包括数据采集，特征处理，数据建模，内容推荐等。算法包括LR，GBDT，CDF，Bert ,GRU，CNN，DNN等等。

负责核心技术平台架构和技术预研，带领团队改造并完成内容数据平台和信息流分发平台，Feed流的智能化推荐、会员增值服务，车型库等基础技术平台建设和部署，支撑亿级用户高并发访问。

现实中，有数百万人患有严重的身体残疾丧失了交流以及与环境互动的能力，然而其感觉和认知功能通常仍然完好无损。这为利用BCI技术以改善患者生活质量提供了可能。P300-Speller是基于EEG的BCI系统中最热门的应用之一。正被用来解析那些思维正常却行动不便的病人的真实意图和想法，P300-Speller允许用户使用图形用户界面（GUI）与环境进行通信，可以让患者在生活上更加独立，甚至在一定程度上恢复他们的社交生活。因此，研究P300脑机接口技术具有极高的实际应用价值。

1、账号买卖的时候总是需要截图啥的，于是写了一个自动截图程序。可以一键自动截取账号内所有的需要的图片。 2、支持自动更换账号，截图保存上传服务端等等。 3、完美配合账号商家的账号状态同步。

项目主要目标为实现自动提取文字、英文、数字、表格，上传审核，检测是否出现违规用语或违规材料。团队进行数据收集，数据标注，模型搭建，模型训练，完成任务，最后实现自动提取审核的任务目标，并成功搭建在安卓端以及政府一体机。

物联网 土壤墒情监测 温湿度光照二氧化碳监测 水肥一体化智慧灌溉 APP远程电磁阀 无塔供水 APP远程打药 虫情监测、害虫图像识别、深度学习 全部自研

人类染色体核型智能分析系统，是一款基于人工智能技术，对人类染色体中期图像进行自动分割、识别、计数，并自动生成核型图的遗传实验室辅助工具。 功能包括：图像管理、一键识别、导出核型图、手动编辑（笔刷、多边形、缩放、旋转、移动等）、配置管理。 达到的性能：分割准确率>90%，核型准确率>75%，GPU识别速度12张/分钟，CPU识别速度4张/分钟，支持GPU、CPU、XPU、NPU、TRT环境，支持Win、Linux操作系统。 目前已被多家医院遗传实验室采用。

大模型有较强的语义理解能力、常识推理能力，任务规划能力，但在面向特定领域时，存在以下挑战： 领域知识匮乏 • 领域应用的本质是复杂决策。通用大模型具备宽 广的知识底座，具有宽度有余但深度不足，无法 直接胜任复杂任务。 大模型的“幻觉”问题 • 没有依据的答案，通过简单类比得出错 误答案，在企业内，需要确保领域问题 的准确性。 数据和知识过时，难更新 • LLM的知识很容易过时，很难更新；难以保证数 据的完整性，容易形成错误回答，或者无法回答。 对于给定信息的“忠实度” • 在领域任务中，我们需要大模型遵循特定领域的规范、制 度、流程和知识进行回答。然而，如果没有进行适当的调 优，大模型往往会抛开给定的文档或信息，而倾向于利用 已习得的通用知识进行自由发挥。飘逸的创造发挥与忠实 的事实陈述是一对难以调和的矛盾。 不可解释 • 生成的答案是否有依据？为什么是A而不是B？

1. 利用keras深度学习框架实现CVPR论文中ghostnet模型的搭建。 2. 实现该模型的训练和测试，方便大家复现原论文结果。

在采样过程中通过顶棚摄像头图像，识别出车辆的车厢位置及拉筋信息，为采样提供定位坐标，广泛应用于火电厂、冶金行业、焦化厂等。

为了达到对低照度和高曝光图像的增强的目的，分别使用主观评价指标和客观评价指标对算法进行评价。基于pytorch设计网络结构输出参数对图像进行简单变换，网络使用VGG16的卷积结构并增加残差连接，使用输出层预测变换参数，设计了五种损失函数进行惩罚训练。并设计UI交互界面对比不同算法的实时增强情况。

这个项目与奶粉罐那个相似，属于不同的应用场景。 不同在于，图片的获取方式不同，处理方式不同，以及结果处理方式不同。 项目难点：餐盒需要segment，来确保异物在餐盒之上，而不是周围环境

大华视频会议终端设备，视频会议系统 个人负责终端ROM定制开发，底层驱动到中间层，系统有Android版本，也有Linux版本，会议白板，音频定制开发等

某企业AI智能客服项目旨在利用人工智能技术，为企业打造一个高效、智能的客户服务系统。该项目通过模拟人类客服的对话方式，与用户进行实时交流，解答用户的问题、提供帮助和建议，从而提升企业服务效率、降低运营成本，并增强用户的满意度和忠诚度。 一、模块组成 智能问答模块：基于自然语言处理、深度学习等技术，对用户的问题进行识别、分析和回答。该模块能够准确理解用户意图，提供精准的答案和解决方案。 用户交互模块：负责与用户进行实时对话，包括语音、文本等多种形式的交互。该模块通过语音识别、语音合成等技术，实现与用户的语音交互；同时，也支持文本输入和输出，方便用户进行文字交流。 知识库管理模块：存储和管理企业的各类知识、常见问题及解决方案。该模块支持知识的动态更新和维护，确保智能客服系统能够随时提供最新、最准确的信息。 数据分析模块：对用户行为、问题类型、服务效果等数据进行收集和分析，为企业提供有价值的业务洞察和改进建议。 二、使用到的技术 自然语言处理技术：用于将用户的语言转化为机器可理解的形式，从而能够准确理解用户的需求和问题。通过分词、词性标注、句法分析等处理，提取出用户问题中的关键

负责（基于python语言，torch框架，开源yolov5的目标检测项目，标记图片数据来源—robotflow） 其他（非本人）（包装为安卓测试应用）

1、主要实现长时间序列的预测任务 2、使用技术有时间序列分解，深度学习卷积神经网络，Transformer。 3、难点是如何捕捉长时间序列的前后相关性，然后达到很好的预测效果。

使用神经网络(LSTM)对样本存取频率进行预测，预测出未来哪些样本的存取频率高，并将其存放在离机械臂近的地方。 算法：长短期记忆网络（LSTM） 使用Pyside2来开发界面，使用Python语言编写 采用mysql数据库