penrose
1月前来过
全职 · 300/日  ·  6525/月
工作时间: 工作日18:30-21:00、周末14:00-21:00工作地点: 远程
服务企业: 1家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

本科学生一枚,熟悉中英日三国语言。

学习能力、适应能力强。相对来说熟悉C和Python,接触过前端与数据库,且可熟练运用某大型语言模型。

目前学习方向在深度学习与提示工程。

工作经历

  • 2022-04-01 -至今筑波大学学生

    没有工作经验,在日本科留学生一枚。有深度学习经验(仅pytorch框架),如图像识别、目标检测、肌电信号识别等。

教育经历

  • 2022-04-01 - 筑波大学情报媒体创成本科

技能

深度学习
图像识别
Torch
0
1
2
3
4
5
0
1
2
3
4
5
作品
基于MediaPipe的动态手势识别及基于此的用户界面

利用MediaPipe获取手部关键点坐标,实现动态手势识别,并由特定的手势控制用户界面。 识别的手势包括: 1. 仅食指、中指竖立的情况下往下滑动 -> 打开菜单 2. 仅食指竖立的情况下往右滑动 -> 点击菜单的选项 3. 五指张开的情况下向左滑动 -> 关闭菜单

0
2023-09-15 01:04
基于yolo的红色障碍物检测

利用yolov7对红色障碍物数据集进行训练。 此外,该项目的应用场景在于户外,因此在输入到yolo之前,需对图像的亮度进行适当处理。

0
2023-09-15 00:53
基于深度学习根据表面肌电信号识别手势

该项目的目的是通过人体表面肌电信号识别特定手势,数据来源于kaggle平台的公开数据集EMG Signal for gesture recognition,其中的数据来自不同的用户,每条数据的核心信息为8个channel。 训练过程中,使用2个卷积层提取特征,再经过2个GRU层,最后进行全连接。此外,训练集中的肌电信号被录者不会出现在测试集中,即训练集与测试集的用户不同。经测试,未经过针对某特定用户进行训练所得到的预训练模型,最终的正确率大约在85%左右,而针对特定用户训练后,模型正确率可达98%以上。

0
2023-09-15 00:44
更新于: 2023-09-15 浏览: 110