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。
项目主要围绕图像处理与数据分析展开,包含若干可扩展的功能模块,用于支持不同类型的任务配置与结果展示。系统提供基础的可视化界面与流程管理能力,能够适应多种应用场景,提升整体工作效率与操作体验。
50Torch人工智能
本项目主要实现科研实验数据的读取、清洗、分析和可视化展示。支持对Excel、CSV、TXT等格式数据进行导入与整理,可完成缺失值处理、异常值检查、重复值删除、数据归一化、标准化处理和指标计算。在图表绘制方面,可根据实验需求生成折线图、柱状图、散点图、预测值与真实值对比图、loss曲线、RMSE/MA
190Python机器深度学习
1.使用YOLO11-OBBONNX定位车牌旋转框2.使用旋转框四点透视矫正车牌3.使用LPRNet/CRNNONNX识别车牌号4.PyQt5专业界面显示检测框、裁剪图、识别结果、置信度5.支持中文路径读取图片6.支持保存结果图
180Python机器深度学习
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;
310SQLite人工智能
风速预测产品系统
系统主要实现风电功率时间序列预测功能,包括原始数据清洗、异常值处理、滑动窗口样本构建、功率序列分解、深度学习预测和误差指标评估等模块。系统先对风电功率数据进行预处理,再利用CEEMDAN和EWT方法将复杂功率信号拆分为多个更稳定的子序列,随后分别训练LSTM模型进行预测,最后将各子序列预测结果重构为
280C++机器深度学习
PrAlmodel开源项目
从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块,模拟大脑皮层的Pr-Al分子梯度轴,让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新 说明 人脑对应层级预测编码 4层网络,每层独立预测,预测误差驱动学习 皮层分层结构(V1→V2→V4→IT)Pr-Al功
361C++人工智能
UAVagent1.0产品系统
本项目的核心创新并非单一算法的修修补补,而是在系统架构层面重新审视了无人机智能感知任务的执行范式。传统无人机视觉系统通常遵循一种固定的流水线——检测然后跟踪然后依据预设逻辑做出响应——这种模式在面对复杂多变的自然语言指令或未曾预见的边缘场景时显得僵硬而脆弱。UAVagent1.0通过引入异构多智能体
331Python人工智能
该系统通过传感器实时采集海缆焊缝的点云数据,并基于改进的U-Net网络进行焊缝缺陷识别,自动检测焊缝表面缺陷,并生成质检报告。其中作为核心开发成员负责改进U-Net网络的算法开发,用于精确识别焊缝缺陷,同时还负责与传感器的通讯模块开发,确保系统能够稳定稳定获取并处理点云数据,完成质检任务,以及基于q
530C++机器深度学习
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
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。
590Torch人工智能
本系统包含三大核心功能:检测:支持图片、视频、摄像头三种模式,创新性地实现了置信度自适应处理和参数可调检测,检测结果会生成AI治理建议。训练:支持用户上传自己的数据集进行模型训练,可调节多种参数,后台异步执行。资源储蓄:模型库和数据集支持上传、下载、收藏、点赞,检测结果自动存储并支持收藏延长保存期。
530Python人工智能
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。
730Python人工智能
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。
620C++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
860C++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
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
400C++人工智能
医学系统产品系统
实现全身器官和骨骼高精度高速度分割主导从0到1的数据闭环建设:协调多家合作医院收集临床图像数据,联合放射科医生共同制定浓聚区域(如骨转移灶、代谢活跃区等)的标注规范,确保标注标准兼具医学合理性与算法可学习性。针对医学图像信噪比低、病灶尺度多变等特点,自主设计了一套面向任务的预处理与数据增强pipel
450C++人工智能
分类模型检测开源项目
#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie
380Caffe人工智能
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
480Python人工智能
项目主要包含三大功能模块:1.图像预处理模块,支持对微藻图像进行批量裁剪、去噪、增强等操作,提升后续识别精度;2.目标检测与分类模块,基于YOLOv12模型实现微藻目标的定位与多类别分类;3.结果统计与导出模块,可输出检测报告、目标计数结果及可视化标注图像,支持Excel格式导出数据,满足科研分析与
770C人工智能
当前共80个项目more
×
寻找源码
源码描述
联系方式
提交