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。
linkpet开源项目Vibe Coding
LinkPet是一个面向宠物领养与交流的综合平台,包含用户端和管理端。用户端提供注册登录、宠物信息发布、按品种筛选、宠物详情与图片浏览、领养申请、社区发帖、点赞、评论回复及个人记录查询等功能。管理端支持用户、宠物和帖子管理,以及领养申请和自定义宠物品种审核,帮助用户完成从宠物信息浏览到提交领养申请的
310Java人工智能
面向全国大学生数学建模竞赛建模手的开源入门与赛时速查工具包。项目把“题目输出是什么”作为算法选择入口,提供算法导航、训练计划、权威资料目录、可运行基线和模型验证清单。项目内容21张可搜索算法卡:识别信号、最低基线、升级条件、验证方法与常见误用。34条官方或权威资料入口,不镜像第三方受版权保护内容。3
540Python教育校园
本项目是一个基于深度学习的智能医疗影像辅助诊断系统(IMID),旨在帮助医生提高医学影像诊断的效率与准确性。系统采用前后端分离架构,前端使用Vue.js+ElementUI,后端使用SpringBoot,AI分析模块基于YOLOv8模型,支持多种医学影像(CT、X光等)的智能识别与异常区域检测。
720Java机器深度学习
自动预标注:加载sam模型,图片进行预标注。可加载自定义训练好的小数据集yolo模型,对大数据集进行预标注。手动编辑:绘制、移动、缩放、微调边界框;删除/清空/修改类别与置信度三类标注显示:检测框、Pose关键点骨架(按类别自定义放射状连接)、Seg分割多边形标签导出:YOLO检测/Pose/Seg
720C#机器深度学习
paddel2onnx开源项目
Paddle2ONNX工具链研发模块:负责底层算子编译与图优化,支持模型在ONNX与Paddle之间的相互转换。系统支持算子裁剪、算子融合等高级优化策略,能够有效缩减模型体积并提升推理速度。该模块覆盖面广,支持主流图像分类、检测、分割等视觉模型的平滑无缝转换,极大丰富了Paddle模型在外部生态的适
670Torch人工智能
1.项目具体功能模块项目主要包含:多模型预测结果读取与处理模块、GoldenTask标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持Voting、SML、Dawid-Sken
530Torch人工智能
本项目是一个面向大规模区块链交易网络的智能分析与风险识别框架,旨在利用图神经网络技术挖掘比特币交易网络中的复杂关联关系,实现交易实体分类与高风险节点识别。项目支持超大规模交易图数据处理、图结构建模、节点分类、风险排序及模型评估等核心功能。基于PyTorch与PyTorchGeometric构建图机器
990Python科学研究
程序启动后持续截取游戏画面,利用YOLO模型实时检测特定目标(如敌人头部),筛选出FOV内且置信度最高的目标,计算其与屏幕中心的偏差,进而通过相对移动指令驱动鼠标准星平滑跟随。整个过程在50ms内完成单帧闭环,实现近似实时的自动瞄准效果。用户可调整FOV、置信度阈值和帧率等参数以适应不同场景。
1530C++人工智能
FSDBCClassifier: 开源项目
本项目是面向稀缺样本条件的双组学乳腺癌亚型分类系统,包含以下功能模块:(1)TCGA数据工程管线。解析TCGA-BRCA原始数据,包括RNA-seqRSEM归一化表达、甲基化芯片Beta值与临床数据;完成同一患者多样本优先级配对、缺失值填充与高方差特征筛选,保留2000个基因与5000个CpG探针;
730Torch人工智能
mcp-ocr-tools是一个OCR全家桶MCP服务器,为AI客户端(ClaudeCode、Cursor、ClaudeDesktop等)提供文档识别能力。主要功能模块:1)ocr_image图片文字识别:截图、照片、扫描件一键转纯文本;2)extract_doc结构化提取:小票、发票、表单自动解析
1670Python机器深度学习
img2excel是一个图片表格转Excel的命令行工具,基于PaddleOCR开发。主要功能模块:1)表格图片识别:支持拍照、扫描件、长截图等多种图片格式,自动识别表格结构;2)行列还原:智能重建单元格坐标,输出与图片一致的行列结构;3)Excel导出:支持多工作表、自定义表头、格式规范化;4)批
2190Python机器深度学习
搭建可复现的数据处理流程,整合YahooFinance、CoinMarketCap与DefiLlama的500天市场、情绪和链上数据。完成数据清洗与特征工程,构造收益率、移动平均、波动率等特征,用于周度涨跌趋势预测。基于时间顺序划分训练/测试集,训练逻辑回归与随机森林模型,并输出混淆矩阵、概率分布和
970Python人工智能
带领团队基于Olist电商数据集(约9.5万条已交付订单)搭建端到端机器学习流程,预测订单延迟配送并分析其对客户满意度的影响。完成多表数据整合与特征工程,结合订单、客户、卖家、支付、评价及地理信息构建物流特征与卖家历史表现特征。设计基于时间顺序的滚动统计特征,避免数据泄漏,并使用时间划分方式完成训练
1010Python人工智能
基于Clip模型使用Python实现的一个简单的以图搜图功能,搜索结果按相似值由大到小排序显示;支持动态新增、删除图片特征库;前端web采用的React+Antd实现。需要支持CUDA的英伟达显示,虽然在CPU也能勉强运行,但速度非常的慢。
1300Python人工智能
gemm开源项目
使用寄存器优化,内存和缓存优化,SIMD/AVX512指令集优化等各种优化技术,将通用矩阵乘法(GEMM)的性能,提升几十倍!使用寄存器优化,内存和缓存优化,SIMD/AVX512指令集优化等各种优化技术,将通用矩阵乘法(GEMM)的性能,提升几十倍!使用寄存器优化,内存和缓存优化,SIMD/AVX
1030C++机器深度学习
1.数据采集模块:从Open-MeteoAPI拉取某城市15年的的逐日气象数据模型训练模块:杂交LSTM架构:共享Encoder(lstm1→lstm2),温度走自回归decoder,湿度/风速/降水走直接多步输出Web可视化面板:前端展示模型评估,未来天气预测,历史数据分析和AI聊天助手页面2.预
1300Python机器深度学习
RoadMC开源项目
RoadMC的功能主要包括三部分:一是合成点云数据生成,基于路面统计先验和病害几何模型,模拟裂缝、坑槽等11类病害并生成带逐点标签的LiDAR场景;二是点云分割模型,提供Swin3D与PointMamba骨干网络,结合mHC通道混合和GAN风格变换进行病害识别;三是训练与评估工具链,支持二分类预训练
960Python科学研究
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
1110EmbeddedSystem物联网
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
870Torch人工智能
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
770Torch机器深度学习
当前共368个项目more
×
寻找源码
源码描述
联系方式
提交