TensorFlow

1. 产品面向科研院所，解决了自动处理遥感图像，自动识别机场和飞机的需求。 2. 相比市场常规方案，此方案具有速度快，识别准确的特点。 3. 方案用到了opencv的图像处理算法，包括图像增强，图像分割。用到了matlab实现的注意力算法，用到了tensorflow架构实现的图片分类和目标检测模型.方案的部署采用了docker技术.

与军工研究所合作开发针对雷达罩蜂窝孔径的测量仪器;实现对蜂窝格孔边长2-4mm，深度30mm范围内的单个蜂窝格孔内壁变形测量，并识别蜂窝格孔变形缺陷，形成六个蜂窝批量测量仪器;软件开发了上位测量操作及点云处理显示等核心算法；2D图像处理：1)图像操作及测量工具栏；2)选择测量中心处的二维图像（单个工件有多处测量中心）；3)显示二维图像：可以任意选中格孔区域；4)结果显示1：通过3中任选多个孔，测量结果输出到该列表框，并最终输出到报表；5)缩略图显示：便于总图缩放显示；3D点云处理：1)3D点云操作及测量工具栏；2)选择测量中心处的3D点云（单个工件有多处测量中心）；3)显示3D点云图像：可以任意选中格孔区域；4)结果显示1：通过3中任选多个孔，测量结果输出到该列表框，并最终输出到报表；5)内窥镜图像：显示格孔的合成图像；

一.功能模块：1.数据可视化：数据为MATLAB格式，首先用scipy库导入数据，共5000个数据样本，每个样本中有401个特征值。其中400个为每个手写数字图片的400个像素亮度值，1个为其实际的真实数字。导入数据后通过matplotlib.pyplot绘制一部分样本图片。2.搭建神经网络模型：模型包括了一个输入层（25个单元）、一个隐藏层（15个单元）、一个输出层（10个单元），激活函数分别使用relu\relu\softmax，损失函数为SparseCategoricalCrossentropy()，最终10个输出的是为各个单元对应数字的概率。3.数据集划分：通过sklearn模块的train_test_split，将数据集划分为490个数据的训练集和10个数据的测试集。4.训练模型：训练之前先处理一下数据集中的实际对应数字，因为其范围为1-10，应该将其进行减一操作至0-9，再进行model.fit，迭代次数设置为100次。5.测试集测试：model.predict方法得出各个数字的概率，取概率最大的那个单元对应的数字，再加一输出。 2.技术栈：机器学习，tensorflow,python，matplotlib，sklearn