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。
核心围绕“AI算力弹性伸缩”构建全流程能力,适配Open3D驱动的3D视觉AI任务特性:1.基于KubeRay+容器云实现GPU/CPU节点按AI场景指标(推理延迟/GPU利用率)弹性伸缩;2.分布式调度Open3D点云AI任务,定制GPU/CPU资源调度策略适配需求;3.全链路监控保障弹性伸缩过程
90Python机器深度学习
本系统主要实现以下核心功能:1.火灾与烟雾实时识别基于深度学习目标检测模型,对视频监控画面中的火焰与烟雾目标进行实时识别。2.视频流实时检测系统能够接入监控摄像头视频流,对视频画面进行持续检测和分析。3.智能预警机制当系统检测到疑似火焰或烟雾目标时,自动触发报警提示,提醒相关人员及时处理。4.可视化
160Java人工智能
1.亚像素级特征测量:深度集成Halcon(HalconCpp),实现基于形态学与高斯平滑的1DMetrology边缘测距,以及基于形状的模板匹配,实现亚像素级圆/靶标提取。2.视觉抓靶与刚体对齐(Rigid2DAlign):内置视觉偏差计算引擎,支持多点靶标识别并求解最佳平移与旋转矩阵(XYθ)。
230C++智能硬件
项目包含四大核心功能模块:数据预处理与增强模块(负责MNIST数据集加载、归一化与TensorBoard可视化)、ResNet模型训练模块(实现残差网络构建、GPU加速训练与参数优化)、单数字预测模块(支持单张28×28灰度图像的推理识别)、多数字分割识别模块(基于OpenCV实现多数字图像的自动分
350Torch人工智能
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
360Java人工智能
通过对预训练的数据进行数据预处理、特征工程提取、模型参数优化,最终的MAE控制在500以下,然后进行模型保存,模型部署,按照模版提供车辆的一些相关信息,通过模型进行评估计算给出最合理的价格,
230Python人工智能
项目包含完整的训练与评估流程,核心模块包括:1.基于UnrolledADMM思想构建的可展开重建网络2.自定义C++/CUDA算子实现投影与反投影加速3.PyTorch模型训练框架与多实验配置管理4.支持多阶段参数学习与可学习正则化模块5.自动化评估脚本输出PSNR、SSIM等指标6.系统采用模块化
290C++人工智能
引入多层注意力机制,结合Transformer,在Flickr和MS-COCO数据集实现了2%左右的涨点,提升了检索准确度,可视化注意力机制效果明显,论文成功发表在计算机顶会ijcai。
220Caffe人工智能
PCB板缺陷检测产品系统
1.可用于检查常见的6种PCB板缺陷,缺陷分别为:【缺失孔、老鼠咬痕、开路、短路、毛刺、铜渣】;2.支持图片、视频及摄像头进行PCB板缺陷检测,同时支持图片的批量检测;2.界面可实时显示目标位置、目标总数、置信度、用时等信息;3.支持图片或者视频的检测结果保存;
360C人工智能
1.数据处理模块,采集大量的交通牌数据,进行Autolabeling,包括很多种对已有的交通牌进行数据挖掘等2.交通牌感知模型的训练以及评测,更改模型,进行模型推理等3.感知后处理,进行目标的跟踪,检测,已经给出牌子的3d坐标
450C++人工智能
网络爬虫编程产品系统
编程实现网络爬虫下载豆瓣电影前10页的数据。编程实现网络爬虫使用post请求实现百度翻译’spider’并显示结果。编写代码,实现京东商品信息爬取。编写代码,实现个人博客信息爬取。
210Python人工智能
本系统基于Caffe深度学习框架,核心功能包括:1.图像预处理模块:通过OpenCV对输入图像进行归一化、降噪等处理;2.模型推理模块:使用C++实现高效推理,支持批量图片与实时视频流;3.结果输出模块:生成分类标签、置信度及可视化标注;4.数据管理模块:支持识别结果存储与查询。系统可部署在Linu
270Caffe人工智能
本系统基于Caffe深度学习框架,核心功能包括:1.图像预处理模块:通过OpenCV对输入图像进行归一化、降噪等处理,提升模型识别准确率;2.模型推理模块:使用C++实现高效推理,支持批量图片处理与实时摄像头视频流识别;3.结果输出模块:生成分类标签、置信度及可视化标注,支持导出报表;4.数据管理模
400Caffe人工智能
本系统主要包含以下功能模块:1.图像预处理:对无人机拍摄的高清图像(4608×3456)进行格式转换与尺寸适配。2.病害检测:基于YOLOv26模型,自动识别裂缝、剥落、渗水、蜂窝面、露筋、孔洞共6类桥梁病害。3.结果可视化:输出带标注框和置信度的检测图像,生成病害分布图。4.性能评估:计算mAP、
310Torch人工智能
1.对上传数据的基础统计(如:缺失率,中位数)2.对上传数据的抽样代表性,如(20%,30%,40%的原始数据量,对原始数据的代表性)3.统计机器学习方法,使用原始数据,对未知数据进行数据预测
300Python机器深度学习
可视化编排:通过节点与连线搭建智能体工作流多模态能力:支持图像、音频、视频的理解与生成类场景知识增强:知识库检索、知识图谱等能力可作为上下文注入工具/接口调用:支持HTTP调用与系统对接对外集成:提供应用级API调用信息与嵌入式运行入口内容安全:敏感词与语义拦截配置
300Caffe人工智能
1.蜘蛛池核心模块:①分布式IP池管理(动态切换海外高匿IP,模拟多地区真实访问,规避谷歌风控);②智能蜘蛛诱捕(分析谷歌蜘蛛抓取规律,定时推送高质量链接,提升抓取频率);③行为模拟(模拟真实用户的点击、停留、跳转行为,提升页面权重);④抓取数据监控(实时统计谷歌蜘蛛抓取量、收录量、抓取成功率)。2
340Python机器深度学习
解决多项无人攻克的技术难点,系统性能达到行业顶尖负责系统整体架构设计与核心算法研发,针对太空链路长时延、高丢包、深海通信弱信号、强干扰等行业卡脖子问题。最大最强
280UE人工智能
1.数据处理模块:多源数据加载、清洗、对齐2.因子工程模块:21个价量因子+12个宏观因子,单因子测试3.策略构建模块:IC加权合成、半衰期衰减、截面标准化4.组合优化模块:等权策略、均值-方差优化、风险平价优化、混合策略5.回测评估模块:bt框架回测、交易成本扣除、多维度绩效评估(46项指标)
510Torch人工智能
使用文本CLIP嵌入差异匹配图像CLIP嵌入差异,预测潜在空间中的编辑方向;并在潜在代码及图像层面分步解耦。用户给定一张人脸图片以及任意想要编辑的人脸属性,系统可输出自然的编辑结果图。
610Python人工智能
当前共57个项目more
×
寻找源码
源码描述
联系方式
提交