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。

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

230Python人工智能

基于注意力机制的抖音短评情感分析系统产品系统

首先是基础架构，通过Flask等框架实现登录注册与用户管理，确保身份认证与权限控制；其次是数据感知，利用爬虫技术自动采集外部信息；进而进入核心智能阶段，涵盖模型训练以赋予Agent领域能力，以及通过提示工程或强化学习进行模型调优以提升执行精度；最后是结果呈现，借助可视化工具将Agent的分析结论转化

520Python人工智能

基于深度学习的中文情感分析与舆情可视化系统产品系统

系统主要包含用户登录注册、文本情感实时分析、分析结果保存、后台数据管理、情感统计和可视化展示等功能。用户可以在前端页面输入中文文本，系统调用后端情感分析模型判断文本的正负向倾向，并将结果返回页面展示。管理员可以查看和管理历史分析数据。系统还通过ECharts图表展示情感分类数量、占比和整体分布，使文

290Python电商

文本引导图像颜色编辑系统（AIGC）产品系统

本系统实现了一套基于文本引导的图像颜色编辑流程，主要功能包括：1.文本引导图像编辑：支持通过自然语言描述对图像内容进行颜色修改，例如指定物体颜色或调整局部区域；2.目标区域自动定位：基于跨模态语义理解，自动识别图像中与文本相关的目标区域，实现精确编辑；3.颜色可控生成：结合扩散模型生成能力，使颜色编

250Python人工智能

易燃易爆运输车静电线cv算法识别产品系统

功能介绍：1.细长静电线链接CV算法识别（属于cv算法模型识别小目标中的细长特难目标检测）2.工作人员值守识别3.当装卸车作业时，未连接静电线就开始作业时，预警

450C++人工智能

高光谱图像超分辨率产品系统

1.多阶段训练策略，对高光谱图像进行空间-光谱解耦2.设计空间-频域增强模型3.结合Tucker分解原理，设计渐进式残差光谱增强模型4.设计空间-光谱渐进式融合模块，实现对光谱和空间信息的相互融合

230Torch人工智能

雷达数据处理产品系统

点云聚类目标跟踪航迹框生成场景识别利用模型去做端到端处理算法工作全部涉及测试验证模型量化部署实现符合要求的全部功能还可以按照需求进行扩展开创性的引入模型在工程化的工作中

280C++汽车

空地协同任务规划的算法产品系统

1、拍卖算法模块，包含（协商模块，任务添加模块，任务移除模块），鲸鱼优化算法，包含（螺旋上升、全局探索，局部探索）2、在无人机和无人车被干扰的条件下实现任务规划

330C++自动驾驶

LamaErasure产品系统

⚡零配置环境，开箱即用：所有推理环境（ONNXRuntime,OpenCV）均已作为ThirdLib静态/动态链接集成，无需在目标机器上安装Python或任何深度学习框架。?丝滑的交互式画布(InpaintCanvas)：支持鼠标直接在图像上涂抹生成Mask，实时调用后端ONNX模型进行图像无缝擦除

280C++人工智能

数学建模竞赛论文产品系统

1.数据清洗：处理缺失值、异常值，统一数据格式，确保输入质量。2.探索性分析：通过可视化图表（散点图、热力图、分布图）分析各变量与销量的相关性，识别关键特征。3.特征工程：对类别变量进行编码，构造交互特征，筛选高相关性变量。4.模型构建：建立多元线性回归模型，并对比决策树、随机森林等算法效果，选择最

390自动化测试区块链

分类模型检测开源项目

#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie

320Caffe人工智能

基于 PyTorch 的股票 AB Network 与 TransformerBase 对比实验开开源项目

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

460Torch人工智能

泰坦尼克号生存预测开源项目

–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

430Python人工智能

湄公河站点水位智能预测系统（Mekong FNO）产品系统

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。

310Python人工智能

智能交通检测系统产品系统

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

380Python人工智能

破碎机智能控制系统产品系统

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

540C++音视频多媒体

技术中台智能化应用产品系统

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

470Python人工智能

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

770C++机器人

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

620C++人工智能