作为一名人工智能专业学习者,我致力于通过Python技术栈将理论算法转化为实际解决方案。注重代码规范性与可维护性,擅长在团队协作中承担数据处理、模型优化与模块开发任务。期待在产业级项目中进一步磨砺工程能力,探索AI技术的创新应用场景。
在校时期,基于Scikit-learn构建SVM分类模型,结合Jieba分词与TF-IDF特征提取。设计自动化爬虫采集社交媒体数据,实现舆情情感倾向实时监测 。
技术能力
Python编程:熟练掌握Python核心语法与面向对象编程,熟悉NumPy、Pandas机器学习框架:熟悉Scikit-learn、TensorFlow/PyTorch框架,参与过基于深度学习的图像分类、自然语言处理项目开发。
数据处理:精通SQL数据库操作,熟悉爬虫技术(Requests/BeautifulSoup)与数据清洗流程。

项目旨在实现基于ImageNet的图像风格迁移,将一种图片转化为另一种风格。本项目使用预训练的VGG16网络作为基础的特征提取器,VGG16在数据集上进行了充分的训练,具有强大的特征提取能力,并采用AdaIN方法,通过调整内容图像特征图的均值和标准差,使其与风格图像特征图相匹配,从而实现风格转换。并且定义了内容损失和风格损失,使风格上接近风格图像,内容接近内容图像。在性能方面,由于采用AdaIN方法,相比传统的迭代方法,大大提高了运行效率,并且模型具有良好的泛化能力。
12025-01-13 20:50