Python

Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
Python语言框架
Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
开发组织  吉多·范罗苏姆
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
210C++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
311C++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
241Python人工智能
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
550Python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。
480Python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。
670Python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。
570C++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
710C++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
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
440C++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
440Python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
750C人工智能
系统包含图像数据预处理、模型训练与调优、图像识别与分类、结果可视化、批量处理、模型导出、API接口调用等核心功能。支持自定义数据集训练、多模型切换、准确率实时统计,可快速部署到本地或服务器,满足不同场景下的AI识别需求,操作简单易上手。
500Python人工智能
目标检测模型:使用YOLOv8s模型,通过训练游戏截图数据集来识别敌人。图像处理:捕获游戏窗口图像,进行预处理(如缩放、裁剪)以适配模型输入。坐标计算与控制:计算目标中心坐标与鼠标位置的偏差,模拟鼠标移动实现瞄准。性能优化:考虑GPU加速、推理速度等,确保实时性。
690Python机器深度学习
面部情绪分析:基于高精度面部关键点检测与微表情识别算法,实时捕捉眉毛、眼睑、嘴角等43个面部动作单元的细微变化,结合深度学习模型(如ResNet+注意力机制)对快乐、悲伤、愤怒、恐惧、惊讶、厌恶、中性等7类基础情绪进行置信度评分,支持情绪强度时序曲线生成与关键情绪片段标记。语音情绪分析:通过梅尔频谱
810Python人工智能
ElainaSama产品系统
项目的模块分为ASR模块、live2d模块、TTS模块、大模型调用模块,前端控制面板,live2d模块使用live2dforunity制作,ASR模块使用阿里新一代SenseVoice实现,通过阈值和静音帧实现杂音剔除,TTS模块使用GPTSoVITS推理,也可以选择BertVits和fish-sp
570Python人工智能
#电信诈骗防范系统功能介绍##1.具体功能模块-用户认证模块:支持用户注册、登录、密码找回,区分普通用户和管理员权限,确保系统安全访问-智能识别模块:基于LSTM深度学习模型,提供单条文本和批量文件(CSV/TXT)识别功能-历史记录模块:自动保存用户识别历史,支持按时间、类型等维度查询和管理-教育
570Python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
520Python机器深度学习
1.车辆检测模块:基于YOLO目标检测算法,从视频流中实时识别车辆目标,输出检测框及类别信息2.目标跟踪模块:采用ByteTrack追踪器实现多车辆跨帧跟踪,为每辆车分配唯一ID并记录运动轨迹,利用低分检测框二次匹配提升跟踪鲁棒性3.车速测算模块:基于透视变换将图像坐标映射至实际路面坐标,结合帧率和
660Python机器深度学习
1、算法部分:基于PaddlePaddle,在官方指定数据集上进行打榜,所有器官分割任务平均dice系数达到0.94232、软件部分:基于WEB的3D医疗数据解析平台,其中包含医疗数据的导入、分割、可视化和数据分析功能四大基础功能,且飞桨模型可在本地或云端部署进行推理。另接入百度文心大模型用于医嘱格
650C++人工智能
当前共50个项目more
×
寻找源码
源码描述
联系方式
提交