机器深度学习

在OrangePiZero3W上实现从模型训练到NPU部署的全流程嵌入式AI视觉系统。-完成YOLOv5sINT8量化，模型体积压缩75%，单帧推理50ms（15fps）-设计双线程架构（采集+推理），ROS话题通信实现视觉与运动控制解耦-可选配Web远程监控界面

DualBackboneFusion项目简介DualBackboneFusion是一个面向CLIPPromptTransfer的双视觉主干融合研究项目，核心目标是验证较弱的RN101视觉主干是否能为较强的ViT-B/16主干提供互补预测信息。项目不直接融合imageembedding，而是在pred

该项目为地质遥感滑坡语义分割项目，主要目标是利用深度学习模型对遥感影像中的滑坡区域进行像素级识别。项目基于Python和PyTorch实现，包含LoveDA数据集预训练、Landslide4Sense数据集微调、多光谱遥感数据处理、mask掩膜解析、类别不平衡分析、训练集与验证集构建等工作。模型方面

为响应工贸企业安全生产责任保险（安责险）的智能化监管要求，本项目拟建设一套基于**AI视频分析+IoT传感器联动**的智能监控系统，对工贸企业生产经营过程中的9大类风险场景进行7×24小时不间断智能巡检与自动告警。本demo采用机器语言加深度学习，使用yolo8增对特定场景进行训练，对工业生产施工场

1.数据剖析—自动推断类型，统计均值/标准差/分位数/偏度/峰度，IQR异常值检测，直方图，缺失值/唯一值统计2.质量检测—10种内置规则：无空值、无重复、值范围、正数检查、无空字符串、最小/最大长度、允许值、正则匹配，支持自定义规则3.报告生成—HTML报告（卡片式概览+列表式列统计+质量检查表）

独立开发的开源智能数据处理平台。用户拖拽Excel/CSV即可自动完成数据清洗、统计分析、AI洞察报告生成。功能覆盖：自动编码检测（GBK/UTF-8）、7类数据问题检测、5种缺失值填充策略、Z-score异常值检测、列级可视化质量面板、AI自然语言清洗、AI数据问答、HTML交互报告、操作历史撤销

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

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

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

–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

项目简介：本项目是一个基于本地大模型的智能文档问答系统。你可以上传自己的文档（目前仅支持txt文件），大模型将会根据文档内容回答你的问题。整个过程完全在本地进行，无需联网，保障隐私安全。核心功能：-文档上传与管理：支持上传'.txt'文件，并自动构建数据库。-智能问答：你可以显式指明"根据文档内容进

基座冻结训练：冻结大模型基底权重，仅开放部分参数参与训练，降低显存开销，避免通用能力灾难性遗忘。LoRA参数微调：使用低秩矩阵对模型做垂直微调，定向学习计算机学术论文句式与专业术语，强化学术翻译精度。模型指针调用：设计模型权重指针映射，动态指向微调后的LoRA分支与原始基座分支，按需切换推理权重。R

1.数据加载与预处理模块功能：读取JSONL格式的原始评论数据，提取评论文本和评分。关键步骤：将评分1–2星映射为“负面”（negative），3–5星映射为“非负面”（non-negative）。进行文本清洗（如正则匹配单词、去除标点）。计算文本统计特征（词数、句长、词频、词汇量等）。生成词云等可

Aprogramaimstorecognizethemodelofcivilairlinersthroughtheirside-lookingpictures常见民航客机识别程序（主要识别侧视图片）首先使用yolo算法实现飞机定位和裁切，通过引入注意力通道的卷积神经网络实现细粒度的飞机型号分类。

合作开发前端+独立研发后端，分为前端捕获、后端跨语言多架构模型融合深度学习处理识别和Windows自动登录验证三大模块,主要为不支持windowsHello摄像头的电脑提供快速便捷而准确的人脸识别解锁电脑,详细请加QQ:1790070573细聊.

该项目主要探索多维的Tensor在CPU上实现快速的矩阵运算等，功能实现涵盖了自定义内存配置器Allocator，createTensorOne，createTensorZero，createTensorRand，cat，normalize，selectSet，selectGet，toString，

Myolotrain是一个可视化管理yolo视觉模型训练的系统，为计算机视觉任务提供了直观的图形界面。该平台集成了在线标注、数据集管理、模型管理、训练管理和目标检测功能，支持windows、linux、docker等多种部署方式，使用户能够轻松地训练和部署YOLOv8模型，支持CPU和GPU，使用t

基于StableDiffusion开源接口构建的AI视觉创作平台，在交互与功能层面实现全链路优化：前端采用Vue框架打造直观流畅的操作界面，用户可轻松完成参数配置、模型选择与生成预览；模型应用支持双模式——既提供经过性能优化的系统预置模型，满足快速出图需求；也开放用户自定义训练通道，允许上传专属数据

本项目是一个面向计算机视觉领域的算法库，聚焦于图像分类任务，旨在为科研开发者提供简洁、可复用的模型实现与实验基础。其主要功能模块包括：核心模型集：提供多种经典卷积神经网络实现，包括LeNet、AlexNet、VGG、GoogLeNet、ResNet、Inception系列、DenseNet等，涵盖从

实时语音识别 (Real-time Speech Recognition): 能够捕捉麦克风输入，并将用户的语音实时、准确地转换为文本。 自然语言理解 (Natural Language Understanding - NLU): 分析转换后的文本，理解用户的意图和关键信息（例如指令、询问的对象、参数等）。 对话管理 (Dialogue Management): 在多轮交互中维护对话状态和上下文，使对话更加连贯自然。 任务执行与技能调用 (Task Execution & Skill Invocation): 根据理解的用户意图，执行相应的操作，例如： 信息查询: 获取天气预报、时间、百科知识、新闻等。 媒体控制: 播放/暂停音乐、调整音量。 简单助理任务: 设置提醒、创建待办事项。 语音合成 (Text-to-Speech - TTS): 将助手的文本回复通过 edge-tts 转换成清晰自然的语音进行播放。 Web 界面交互 (Web Interface Interaction): 提供一个用户友好的网页界面，可以： 显示语音识别的文本和助手的回复。 允许用户通过文本输入与助手交互。 (可能) 展示图片、链接等多媒体信息。 多模态反馈 (Multimodal Feedback): 结合语音、文本以及可能的视觉元素（在Web界面上）来呈现信息和交互结果。 图像分析(Image Analysis): 可以通过pygame.camera调用摄像头或者截图当前页面，并与llm互动获取想要的信息 剪切板提取(Clipboard Management): 可以通过pypercli获取剪切板中的文本内容并自动判断是否需要进行执行 上下文管理(Context management): 通过EnhancedConversationContext类管理对话记录，支持记住或者遗忘特定信息，根据相似度判断是否清除旧的上下文，能够根据对话历史生成更相关的回复 日志记录(Logging): 使用rich库美化日志输出，并将日志保存到文件中 网页搜索(Search): 使用DuckDuckGo搜索用户指定的内容，并返回搜索结果摘要