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。

中药材仓储物联网监管系统产品系统Vibe Coding

1.4.1中药材智能识别与检测1.4.2自动化入库与出库管理1.4.3仓储环境实时监控与预警1.4.4基于RFID的全程追溯管理1.4.5 药材保质期智能预测1.4.6库存管理与智能预警1.4.7质量档案与追溯查询1.4.8 数据可视化与分析报表

250Python物联网

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—

280Python人工智能

Claw 古建筑系统产品系统Vibe Coding

系统包含以下核心功能模块：1.古典建筑图像智能分类模块：基于ResNet50深度学习模型，支持对上传建筑图片进行风格识别与朝代分类，准确率达90%以上；2.三维建筑展示模块：采用Three.js实现古典建筑3D模型在线渲染与交互式浏览，支持旋转、缩放、多角度查看；3.建筑知识库模块：包含各朝代建筑风

370Java机器深度学习

小依产品系统Vibe Coding

小依是一个有虚拟形象的AI情感陪伴助手，具备三大核心能力：长期记忆（通过PostgreSQL+向量检索记住用户的喜好、经历和重要时刻，对话中能主动提起过去的事）、自适应性格（根据每次互动动态调整性格参数，从初识时的谨慎温柔到熟悉后的活泼亲密，千人千面）、多模型路由（智能选择最合适的LLM处理不同强度

550Java人工智能

animal_classification产品系统Vibe Coding

基于深度学习的90类动物细粒度图像分类系统，具备完整的训练-评估-部署全流程能力：支持90种动物类别的高精度图像识别提供三代CNN架构（ResNet50/EfficientNetV2/ConvNeXt）的对照实验框架内置多种数据增强策略、损失函数、优化器的可配置切换完整的模型评估体系：混淆矩阵、Pe

300Python机器深度学习

基于查询更新分析的图像分类 GWAD 黑盒对抗攻击检测与防御系统产品系统Vibe Coding

系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合，配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op

450Python人工智能

财务预测系统产品系统Vibe Coding

本预测体系由三层结构化模块构成。数据准备层通过Python爬虫定向抓取2016Q1至2025Q3的财务三表数据，构建分赛道季度收入拆分方法与事件哑变量体系。LayerA驱动型基线模型采用“赛道拆分+业务量×变现率”框架，对智慧教育、开放平台、智慧城市、其他四大业务分别建模，辅以均值回归毛利率与历史中

580Python金融

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

540Python机器深度学习

基于深度学习的网络入侵检测系统（NIDS）产品系统Vibe Coding

数据预处理模块全量8个CSV文件合并→缺失值中位数填充（按类别分段）→Z-score标准化（fitontrain）→7:3分层划分；模型训练模块 PyTorch从零搭建CNN-1D和LSTM；两层评估模块第一层：Binary检测（异常vs正常）—Precision/Recall/F1；第二层：五分

460Python机器深度学习

整体架构可以理解成一个典型的“云端训练+本地推理部署”的混合系统。训练阶段，所有模型（YOLOv8、YOLOv26、ResNet、MobileNet）都在Python环境里完成训练和评估，并且统一用同一份数据集和相同的数据划分方式，保证对比结果公平。训练完之后，最优模型会被导出成部署格式（比如TFL

420Java机器深度学习

基于微服务架构的党员发展材料全流程管理系统产品系统Vibe Coding

智能党建系统是一个基于微服务架构的党员发展材料全流程管理系统，旨在实现党员发展工作的规范化、智能化管理。系统采用前后端分离的开发模式，后端使用SpringCloud微服务框架，前端使用Vue3构建，为基层党组织提供一套完整的党员发展信息化解决方案。技术架构系统后端采用SpringBoot2.7.15

560Java政务

Creez产品系统Vibe Coding

Creez是一个面向创作者的AIAgent社交与工作平台，核心功能包括：自定义创建个人Agent、配置人格/记忆/技能/模型、与Agent进行多轮对话、读取本地文件并执行任务、接入OpenAI兼容模型、DeepSeek、豆包等模型服务；支持图像生成、视频生成、分镜创作、知识检索、定时任务等技能模块；

870SQLite人工智能

GIS+生存分析产品系统Vibe Coding

1.数据处理与特征工程：自动构建生存分析数据集，利用空间索引算法计算历史路径依赖、地理决定论等多维时空特征，并进行数据清洗与平滑处理。2.混合建模与竞赛优选：内置Cox模型竞赛引擎，自动筛选最优理论模型；集成随机生存森林与梯度提升算法，实现高精度风险预测。3.结果评估与解释：提供C-index交叉验

850Python人工智能

YOLO 视觉算法产品系统Vibe Coding

核心技术：YOLO视觉算法（YOLOv5/v7/v8），针对跌倒检测优化功能：通过实时视频流识别跌倒、触发警告、降低安全风险性能：端到端检测，30+帧/秒，准确率超过95%

700Python机器深度学习

基于 ComfyUI 的 AI 绘图本地化部署与国内网络适配解决方案产品系统Vibe Coding

实现Windows平台下ComfyUI与StableDiffusion深度学习绘图框架搭建。封装Bat/PowerShell脚本自动化启停脚本，内置显存优化策略，同时汇总环境配置、版本兼容、依赖报错等全套落地排坑方案，实现开箱即用的私有化AI绘图服务。

1180Python人工智能

基于 Ollama+Flask 的本地私有化大模型全套部署系统产品系统Vibe Coding

1、基于Ollama+Flask架构，搭建轻量化Web聊天界面，支持Qwen3.5、Qwen2.5、Qwen-VL视觉多模型切换与图文解析。2、内置全套自动化脚本，支持一键启动、一键关停服务，可配置系统开机最小化自启动，自动规避Ollama多进程端口冲突问题。3、配套国内镜像安装指引、Ollama离

1260Python人工智能

opencv-dnn-facerecognize产品系统Vibe Coding

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/

630C++机器深度学习

服装定制项目产品系统Vibe Coding

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

760Java电商

AI语音对话小程序（开发中）产品系统Vibe Coding

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。

971Caffe人工智能

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

730Torch人工智能

当前共33个项目登录查看更多

登录后即可上传、下载作品

分类

Scala DAPP webpack C#ArkTS 小程序单片机项目任务 Dubbo Hyperledger

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