机器学习/深度学习

项目分为数据清洗，数据预处理，特征工程建立，传统数学模型及机器学习模型建立。 利用sklearn库搭建PLSR模型、SVR模型和CNN模型，模型预测进度达到0.90。

将上万条数据进行清洗和处理成适合模型的训练数据集，对BLOOMZ模型使用数据集进行多次微调训练，主要包括模型的隐藏功能训练和还原功能训练两部分，训练完成后继续对模型无法正常读取换行内容、无法对特定内容进行隐藏等功能不足的地方进行调试。 调试完毕的模型能够对用户需要输出到公共平台的内容进行隐私实体替换和还原，可以有效提升需出域数据的安全性。

1.根据患者入院信息,对患者进行标签定义 2.针对患者的标签自动推送相应的健康知识 3.根据患者的不同阶段重新定义患者标签的变化 4.并可根据标签定义批量推送音视频图文内容

数据分类机器学习模型，支持线性模型/神经网络/支持向量机/聚类。 使用pytorch开发，自备高算力显卡。 支持在window和linux环境下运行。 100%完全自主知识产权，可转让代码，也可以转让开发资料包、样本、最终模型。

项目分为视觉算法来识别人脸对应信息，并使用pyqt来实现可视化，最终实现一个人脸识别及打卡系统。困难度在于可视化和调用api

1：项目分为训练模块、参数更新、预测模块。自己敲代码实现线性回归中的主要算法，实现了从数据预处理、数据训练、参数更新、数据预测。 2：解决了预测准确率不高问题，发现测试集数据归一化需要和训练集保持一致，否则会导致测试集预测准确率不高

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。

项目目标：去除视频水印。视频上水印是全屏滚动的，且运动非匀速。 实现方法： 1、用opencv自己实现算法追踪满屏移动的水印位置，由于视频经过压缩水印被模糊化了，追踪相当困难。考虑到运行效率，不能使用AI网络暴力检测定位。 2、用AI算法去除水印，阅读大量小众论文结合个人思考选顶技术路线，最后设计出可靠神经网络去除水印，同样需要考虑运行效率，不能使用gan一类的算法暴力去除。 3、该项目考虑运行效率和去除效果已经达到了业界顶级水平 4、效果展示：https://www.bilibili.com/video/BV1ti4y157jK/?spm_id_from=333.999.0.0&vd_source=abc797fab7df13f1f923db091814340d

城市监控AI模型是一个高度复杂且技术先进的系统，旨在提高城市安全和监管效率。这个项目通过集成多种机器学习技术和大数据分析，为公安部门提供实时监控和事件预警功能。以下是对这个项目的详细介绍： 项目名称：城市监控AI系统 项目概述： 目的：利用人工智能技术，增强城市监控系统的自动化和智能化水平，提升事件响应速度和准确性。 技术栈：采用深度学习、模式识别和图像处理技术，结合Python和TensorFlow等开发工具。 核心功能： 实时视频分析： 系统能够处理和分析来自城市各个角落的实时视频数据。 应用图像识别技术自动检测并标识异常行为或潜在风险事件。 行为识别与预警： 通过行为分析模块，系统可以识别各种特定行为模式，如聚众、异常行走路线等。 一旦检测到潜在威胁，系统会自动触发警报并通知相关部门。 数据分析与报告： 系统集成了高级数据分析工具，可对收集到的数据进行深入分析，生成安全报告。 支持数据可视化，帮助决策者快速理解情况并采取行动。 个人贡献： 负责主要的算法设计和优化，确保系统能够高效准确地处理大规模数据。 在系统集成和测试阶段发挥了关键作用，确保所有组件的无缝协作。

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

图像分割,使用上下采样构建模型,用三重损失指引模型梯度下降,用到的技术有cnn,残差网络,se模块,逐点卷积切换通道的技术,关键在于特征提取，牙齿属于精细化的输出,不是仅仅iou,dice高,能够看到分割的细节,彩色 图的分割，属于分割前景和背景,能够相当好的区分前景和背景

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

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。

摄像机拍摄到的列车闸片区域图片通过图像处理、深度学习模型以及相应后处理代码得到列车闸片的厚度。整体方案：定位-分割-找轮廓边缘-计算厚度。

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

1.刀具磨损在线检测系统100%自行开发，项目对CNC设备采集的刀具信号进行数据清洗，后对刀具的磨损状态进行分类训练，实现深度学习的刀具磨损状况的在线检测。 2. 项目中遇到过准确率较低，模型精度不能保证的问题，最终通过优化损失函数的方法得到解决。 3. 该项目使得CNC机床的换刀可以自动化，节约了人力成本和提供了效率。

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。

该产品用于动物食品的病菌DNA/RNA的样本检测；该产品由温度控制模块、荧光发射及采集模块、数据分析模块等构成。其中温度控制采用STM8+TEC半导体+PID控制，光路控制采用STM32 + 步进电机 + 荧光电路。

1.通过超宽带雷达技术扫描人体胸腔起伏做呼吸,心率检测 2.通过对患者睡眠质量数据分析做统计 3.通过对意外发生危险时间段做数据分析统计 4.针对对监测患者异常情况进行唤醒并做报警机制 5.针对慢性病对产品市场前景居家医疗的落地做分析计算商业价值

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