Torch

Torch是一个开源的机器学习框架,最初由纽约大学团队开发并以Lua语言实现,因其灵活性和强大的张量计算能力在学术研究中广受欢迎。其核心设计以​​动态计算图​​为特色,支持交互式调试和直观的模型构建方式,尤其适合深度学习领域的快速原型设计和实验迭代。2017年,PyTorch作为Torch的Python版本正式发布,继承了Torch的灵活性与核心理念,同时依托Python丰富的科学生态(如NumPy)和更广泛的开发者社区,迅速成为主流。PyTorch通过​​自动微分(Autograd)​​、​​GPU加速张量运算​​以及​​模块化的神经网络构建接口(torch.nn)​​,为研究人员提供了极致的灵活性和控制力,其动态图机制使得模型调试和修改更为直观便捷。尽管后续版本增加了对生产部署的优化(如TorchScript),但其核心优势始终体现在研究和实验阶段的高效性上。PyTorch现已与TensorFlow并列成为深度学习领域最具影响力的框架之一,被广泛应用于学术研究、工业探索以及各类AI模型的原型开发。
针对农田中病虫害日渐严重,农药施用混乱的问题,利用基于卷积神经网络的YOLOV11目标检测算法,建立用于监测农田病虫害的智能识别模型,通过轮足式巡检机器人搭载摄像头方法进行实时巡检。
40Torch人工智能
项目采用Python开发,实现了面向自动驾驶场景的单目深度估计系统,主要包括模型管理、图像推理、视频推理、实时摄像头推理、结果可视化、性能监控及数据导出等功能模块。系统支持Lite-Mono等多种深度估计模型加载,可完成图片、视频及摄像头画面的深度预测,并实时显示彩色深度图和推理帧率等运行信息。系统
90Python人工智能
主要模块:有遮挡人脸识别、步态识别、视觉增强处理、全量视频特征构建与查询系统功能描述:目前公安刑侦,大量依赖视频监控查找线索,基于以往项目的积累,首先构造视频特征分析系统,对特定物品从大量监控视频中快速定位,大幅降低人工查视频的工作量。在人脸有眼镜、帽子、口罩等物品遮挡下,实现了相似人脸识别,为快速
160Torch人工智能
主要模块:画面分类模型接口、画面目标检测模型接口、全量视频特征构建与查询系统功能描述:根据需求,训练了画面分类模型、目标检测模型,并进行优化后,部署到内网系统,通过接口api,提供实时画面的分析、筛选。构筑集群系统,对完整视频进行加速特征抽取,构建优化索引系统,实现十亿级别特征检索。实现根据任何图片
100Torch人工智能
1.多车间多设备统一数据采集、存储、同步模块;2.AI批量故障识别预警,全车间设备异常统一标记提醒;3.可视化数据看板,实时展示各车间产能、设备运转趋势;4.分级账号权限系统,区分车间操作工、车间主管、工厂管理员数据查看范围;5.月度/季度生产、故障统计报表自动导出,支持Excel本地保存。
110Python人工智能
1.产线日志数据采集模块,实时读取设备运行参数;2.AI故障识别模块,基于历史故障样本训练识别异常数据;3.自动报表生成,每日导出生产运行、故障统计Excel;4.异常告警提醒,数据超标自动标记推送;5.轻量化后台面板,查看历史故障记录、产线运行趋势。
140Python人工智能
1.本地RAG知识库模块:导入建材产品参数、价格、材质说明文档,支持语义问答;2.Excel台账解析模块:读取客户订单、库存表格,自动提取商品数据;3.智能报价生成模块:根据客户需求自动组合商品、计算总价,输出标准报价单;4.对话交互模块:客户线上提问自动匹配产品信息,替代人工重复答疑;5.本地轻量
190Python人工智能
1.基于BEV(Bird's-EyeView)空间建立三维车道线检测模型,降低透视畸变影响。2.复现BEV-LaneDet网络,并实现ApolloSyntheticDataset数据集训练与验证。3.对比3D-LaneNet、Gen-LaneNet等模型性能,分析不同三维建模方式的检测效果。4.使用
180Torch人工智能
1.针对仅具备slide-level标签的病理全扫描图像(WSI),将肿瘤识别任务建模为多实例学习(MIL)问题2.复现并训练DSMIL双流注意力模型,对比其与传统Pooling方法在正样本稀疏场景下的判别行为差异3.在实例特征提取阶段引入SimCLR自监督预训练,用于缓解ImageNet预训练与病
140Torch人工智能
1、文档上传(PDF、Word、Excel)2、文档自动切分3、向量化存储4、大模型智能问答5、引用原文显示6、多轮对话7、权限管理8、对话历史保存9、Prompt管理10、API接口调用
290Python人工智能
模型转换与部署:实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路,适配瑞芯微NPU硬件加速。多线程视频流处理:设计了图像采集、预处理、模型推理、结果后处理的并行流水线,最大化利用CPU与NPU资源。自适应视觉算法:集成了动态阈值分割与逆透视变换(IPM)算法,解决了复杂光照下
430C++机器人
AI智能问答支持:怪物、装备、道具、任务、NPC、技能、地图、职业、升级攻略、专题攻略装备搜索支持:武器、防具、饰品、卷轴任务攻略支持:任务接取、任务流程、任务奖励、任务前置专题攻略库仪表盘:各类型数据、访问量、向量化数量任务功能:数据整理、全量向量化、增量向量化向量管理:查看已向量化数据,验证检索
440Python人工智能
项目基于多模态深度学习架构构建,主要包含流量预处理、特征提取、模型训练与分类预测等模块。功能包括:1.网络流量数据解析与预处理2.数据包Payload语义特征提取3.流量统计特征建模4.多模态特征融合5.深度学习模型训练与推理6.分类结果评估与可视化分析项目使用PyTorch实现模型训练,支持GPU
290Python人工智能
图像识别模块:对接视觉模型API,支持图片内容识别和文字提取。智能对话模块:基于大模型实现问答交互,支持多轮对话。API接口封装:将AI能力封装为标准接口,方便第三方系统调用。数据管理:记录调用日志和识别结果,支持查看和导出。
440Caffe人工智能
1,能链接常用摄像头,如:海康、大华,进行抓图和录像操作2,能运行深度学习算法进行安全监控,如区域入侵、安全帽佩戴、人员权限管控等3,联动plc,当识别到安全问题时,能给plc信号,进行停机等处理。4,自定义检测规则,如采图间隔,开始报警数,检测阈值等
490Python人工智能
系统提供多终端SDK,支持Java、C++、C#、Python等主流语言,方便各类业务系统快速集成。基于RK3588边缘算力设备,实现毫秒级快速识别,无需依赖云端即可完成端侧推理,满足低延迟、数据本地化及恶劣网络环境下的实时作业需求。算法能够精准定位集装箱箱号及箱型号所在区域,并高鲁棒性地识别印刷、
500C++人工智能
智能安防产品系统
实现各种智能安防算法。如:车间安全帽检测,登高作业安全绳佩戴检测,玩手机识别,睡岗检测等。也有人脸识别,多目标追踪,布局一致性等算法。能根据客户需求生成报警代办,并推送事件,提醒处理人,完成闭环。
500Python人工智能
设计了常量与配置模块、核心数据结构模块、工具类模块、索引与词图计算模块、核心分词逻辑模块。常量与配置模块:定义工厂的“基础规则”和“标准配件”,避免硬编码,统一管理配置。核心数据结构模块:定义分词过程中需要的“实体对象”,封装词的属性(位置、长度、权重、类型)。工具类模块:提供底层工具能力——字节流
571Python人工智能
1,控制光源控制器进行打光,控制相机进行图片采集。2,与plc,上位机等进行交互3,使用传统算法+深度学习,完成各种缺陷检测4,实现UI汇总软件和服务器算法软件。UI软件控制所有通讯和算法结果汇总;服务器算法软件负责每个电芯区域的算法检测。
470Python人工智能
1、传感器模块:负责图像数据采集2、感知模块:过滤液留置线线位置检测3、通信模块:tru、modbustcp通信4、控制模块:基于数字信号控制液压缸升降。
470C++人工智能
当前共92个项目more
×
寻找源码
源码描述
联系方式
提交