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。

img2excel - 图片表格转Excel命令行工具开源项目Vibe Coding

img2excel是一个图片表格转Excel的命令行工具，基于PaddleOCR开发。主要功能模块：1)表格图片识别：支持拍照、扫描件、长截图等多种图片格式，自动识别表格结构；2)行列还原：智能重建单元格坐标，输出与图片一致的行列结构；3)Excel导出：支持多工作表、自定义表头、格式规范化；4)批

630Python机器深度学习

AutoGuard —— 基于多模态视觉AI的汽车KD件智能防漏错与追溯系统产品系统Vibe Coding

1.AI视觉智能核验（核心亮点）动态装箱监控：通过部署在工位上方的工业相机，实时捕捉工人投料动作。系统内置深度学习目标检测算法，能精准识别数百种KD件的SKU特征。BOM自动比对：系统实时读取当前车辆的VIN码对应的BOM（物料清单），当工人放入零件时，AI自动判断该零件是否属于当前车辆，并计数。异

510Python工业互联网

智慧油田多智能体 LangGraph + Supervisor + Specialist框架RAG-产品系统Vibe Coding

1、多智能体协作引擎—基于LangGraph构建Supervisor+4专家分层架构：知识检索专家（RAG+网络搜索）、报告生成专家（数据查询+方案撰写）、工况监测专家（设备故障/管线/安全诊断）、环境数据专家（天气/位置），Supervisor自动识别用户意图并路由至对应专家。2、RAG知识检索—

500Python人工智能

YOLO 鸟类检测与跟踪系统 (YOLO Bird Detector & Tracker)产品系统Vibe Coding

模块一：鸟类检测引擎基于YOLOv8/YOLOv11深度学习模型，支持对图像和视频流中的鸟类进行实时检测。•支持预训练COCO权重（通用鸟类检测）和自定义微调模型（特定物种识别）•GPU加速推理，单帧检测耗时

880Python机器深度学习

人工智能驱动的城乡排水系统智能感知关键技术与边缘软硬件一体化研发产品系统Vibe Coding

构建包含不同水期及管网特征的高质量水质多模态数据库；底层固化AI算法对化学需氧量（COD）、氨氮反演误差≤20%，单次推断时延≤1秒；实现复杂深度学习模型向百KB级微控制器固件的极限压缩。完成可直接投入运行的软硬一体化实体装备研发；硬件主板内嵌国产独立NPU加速芯片，外壳结构达到IP68级防护防腐标

870Torch人工智能

基于ROS 2的YOLOv8目标检测机器人视觉系统产品系统Vibe Coding

1.基于ROS2Humble搭建机器人通信框架，实现多节点分布式开发，支持传感器数据实时采集与传输；2.集成YOLOv8目标检测算法，实现对行人、车辆、障碍物等多类目标的实时识别与跟踪，检测帧率稳定在30FPS以上；3.提供目标坐标输出、ROS话题发布功能，可直接对接机器人导航、避障等上层模块，支持

1260C++人工智能

smarteye产品系统Vibe Coding

检测跟踪无人机

1190C++机器深度学习

电商用户行为分析与可视化平台产品系统Vibe Coding

本项目为电商用户行为分析与可视化平台，核心功能模块如下：1.数据采集模块：通过Flume采集APP埋点日志，结合Kafka实现实时数据缓冲，支持历史数据批量导入与实时数据流接入。2.数据分层模块：基于Hive构建ODS→DWD→ADS三层数据仓库，完成数据清洗、维度建模与指标汇总，支持多粒度时间/地

1820Java人工智能

当前共8个项目登录查看更多

登录后即可上传、下载作品

分类

Phalcon 机器学习 Vala VR/AR COBOL DB2 webview Laya Fiddler MFC

点击空白处退出提示

机器深度学习

重点城市程序员兼职推荐

重点岗位程序员兼职推荐