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。
本项目面向卫星载荷在轨运行场景,目标是构建一套可部署在星载计算平台上的综合任务管理软件,支撑地面指令接收、任务调度、状态采集、数据处理和遥测下传等核心业务。系统围绕“指令进入、协议解析、任务执行、状态监控、结果反馈”的业务闭环设计,提供指令处理、数据总线、协议编解码、智能处理任务编排、设备状态采集、
120C++边缘计算
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
160C++自动驾驶
项目主要功能一、插件化宿主平台提供统一的WebShell运行时,通过标准化的plugin.yaml合同实现插件的自动发现、加载和编排。支持四种插件类型:UI插件(前端界面)、能力插件(后端服务)、卡片插件(数据嵌入卡片)和AI插件(智能能力)。插件支持依赖声明、拓扑排序加载和循环依赖检测,并提供脚手
180Python人工智能
AI问数系统产品系统
(1)自然语言理解:用户通过自然语言描述数据需求,如“统计上月各渠道销售额”或“查找ARPU高于200的流失风险极高用户数量”。(2)智能SQL生成:系统自动将用户输入转化为对应SQL查询语句,并可针对多表、多条件复杂查询生成高效语句。(3)数据查询执行:自动连接数据库执行SQL,返回查询结果。(4
191Python人工智能
本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块,主要功能描述如下:1、系统基于YOLO-OBB算法,实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络,系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法,系统能够高精度地量测出工件的倾斜
580Python人工智能
本导览设备搭载深度学习推荐算法,采集用户兴趣、实时位置、游览行为等数据,构建用户画像。智能匹配景点资源,实现个性化景点推送、最优游览路线规划;支持语音讲解、实时定位导航与多模态交互,可动态更新推荐内容,适配不同人群游览需求,提升景区、展馆智能化导览服务体验。
580Torch人工智能
项目简历:基于Qt搭建停车系统客户端,MySQL实现数据存储;采用Socket与自定义协议实现网络通信;集成OpenCV完成车辆抓拍、车牌识别、自动计费及视频管理,完成分布式服务端-客户端联调功能模块:网络通信与数据同步,检测车辆和人脸,实时数据显示:车辆信息、停车时长、费用计算等数据实时更新,视频
420C++音视频多媒体
本爬虫采用多台Linux服务器,有低功耗,高性能,突破反爬,断点续采等优点,具体表现如下:1,提升采集效率:实现同时从100+资讯源采集数据,日采集量突破10万条,热点新闻采集延迟控制在15分钟以内;2,突破反爬限制:有效应对IP封锁、验证码验证等反爬机制,确保核心资讯源的采集成功率不低于95%;3
340Node.js音视频多媒体
负责漂浮物视觉感知算法研发,实现漂浮物目标检测、距离估算、尺寸测算等功能;完成感知结果与前端地图系统对接,实现漂浮物位置及大小的实时可视化展示,并参与地图交互形式优化与项目落地。
600C++机器深度学习
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
810C++人工智能
该项目旨在对晶圆半导体进行成像,通过对图像中特定位置的线,圆,夹角进行检测,得出尺寸和角度的信息,据此判断产品测量项是否合格;通过传统算法结合深度学习,定位产品区域,并进行语义分割,计算缺陷Blob信息,据此判断产品是否合格。
370C++机器深度学习
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
680自动化测试区块链
本文档描述**当前仓库已实现**的训练/简单集成/预测能力、配置来源、置信度含义,以及在**弱信号开奖问题**上可核验的**定量效果**与表述边界。数据引用以仓库内`reports/ensemble_experiment_log.jsonl`、`configs/ssq/model_config.ya
550Python人工智能
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
520Python人工智能
可以做图片的分类训练,使用常见的模型,训练调优等包括特定场景老鼠的识别,基于视频流;工业流水线产品下次检测;家禽声音鉴别呼吸道疾病;RGBD图像合并点云等多项工作
410Python机器深度学习
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
950C++机器人
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
530Torch人工智能
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
730C++人工智能
无人机探测产品系统
信号处理分析,目标识别,目标跟踪哈哈哈哈哼哼唧唧斤斤计较近近景近景还好还好哈近近景近景斤斤计较斤斤计较距呼呼呼哈哈哈哈哈哈哈哈哈哈哈哈好锦江大酒店斤斤计较斤斤计较斤斤计较斤斤计较斤斤计较斤斤计较
520Python机器深度学习
1.数据加载与预处理模块:加载MNIST手写数字数据集,将原始图像数据(28×28像素)进行归一化、降维处理,转换为分类器可接受的输入格式2.多分类器训练模块:支持多种分类器并行训练,包括SGDClassifier(随机梯度下降分类器)、RandomForestClassifier(随机森林)、SV
540Python机器深度学习
当前共48个项目more
×
寻找源码
源码描述
联系方式
提交