人工智能

智慧教练是指，采用前端设备（主要是手机）识别视频流中目标对象正在开展运动的动作，通过算法指出其动作姿势的不足；在避免损伤的情况下，改进其动作的准确性并提高成绩；评估使用者的运动量，给出比较专业的运动指导和建议；推荐相关的运动训练装置。概括的说，就是将目前单向的以视频形式传授运动技能的模式转换为具有一定闭环反馈的运动监控系统，提高大众的运动技能和水平，减少运动损伤。在智慧球馆部分，采用人工智能算法获取篮球轨迹，改善球员动作。采用深度学习算法，跟踪球员全程跑位等。 整个系统包括前端APP，后端服务器和智慧球馆等部分。

该算法模型基于FasterRCNN，为了增加对小目标的识别效果而增加了更细致的特征层。 基于Tensorflow2框架开发和部署，BackBone使用imageNet预训练权重微调，在Teslas M40上训练 最终F1score:0.86

一个可以从复杂文本中提取出多个相关实体的命名实体抽取算法，例如，“苹果宣称，即将发布的新品是基于因特尔的最新产品，双方股价大涨"，该算法可以一次性提取所有相关事件，-，-，- 1.算法模型基于W2NER模型改造而来，在提取模型的基础上，还可以为相应的事件进行情感分类和文本识别 2.算法F1score为：0.87

模块使用 pyautogui pyperclip keyboard openai 通过图色识别桌面的微信是否收到信息并读取信息发送至GPT3.5接口获取回复然后回复给发信人

通过物联网，检测学生体育课、体育运动时的心率和体测情况 1. 当体测时时心率大于阀值时，进行报警，防止学生发生意外情况 2. 对学生的运行情况进行监测，统计运动量，定制相应的运动课程 2. 汇总当前班级的运动情况，并上传至相应的部门

互联网的发展使得在线购物成为新常态，并带来了更高品质服务的需求。现有的服装推荐系统基于协同过滤，难以处理海量用户数据，推荐结果缺乏准确性。同样，现有的虚拟试穿技术基于基础图像处理，其试穿效果的拟合度较低。而引入大数据和深度学习技术后，不仅可以高效地处理海量数据，还能实现贴近真实的虚拟试穿。因此，开发结合大数据和深度学习的服装推荐虚拟试穿系统对于满足个性化和高体验感服务需求上具有很高的实用价值。 基于Pytorch和Spark框架，设计并实现了一套服装推荐虚拟试穿系统。该系统在Spark集群上使用ALS推荐算法，能够根据用户评分和服装属性数据，生成个性化的推荐结果存储在MySQL中。通过改进和优化现有的网络模型，设计具有试穿准备器和生成器的新结构模型。在输入经现有模型处理的密集姿态图和服装面罩图后，生成服装试穿视频。使用Django开发前后端，设计用户界面，通过socket与推荐模块和试穿模块进行数据传输，实现服装推荐和虚拟试穿功能。 系统测试结果表明，该系统在生成个性化推荐和虚拟试穿视频上，表现出了极高的准确度和拟合度。不仅能提供用户喜爱的服装信息，还能提前预

会使用tensorflow ，pytorch部署各种深度学习网络，会搭建强化学习框架，会写微信小程序，作品图片为测试结果，给我数据可以完成从选择算法，到搭建模型，到训练，完成测试评估后在进行部署，可视化等的全部任务

1. 实现了多app推荐内容获取模块，信息处理分类模块，信息推荐异常模块，分析结果展示模块，整体可以实现对现在各类app中的推荐内容进行监测。 2. 我负责信息抓取，信息处理。利用mitmproxy代理提供的接口，抓取推荐信息并存入数据库。然后用bert模型对抓取的内容进行分类。 3. 在信息抓取模块，如何可以监测多个app的推荐内容，发现mitmproxy可以很好的抓取到所需内容。

1.使用基于CNN的深度学习网络算法，实现两张图片之间的风格转换 2.模型轻便，可以使用cuda加速 3.涉及技术：python、tensorflow

首先我们从市场背景进行切入。 随着元宇宙进入发展快车道，虚拟经济中的金融风险传导速度也不断加快。近年来，NFT交易量增长迅速，“NFT天价”的新闻也不断涌现，这背后反映的则是各类市场投机行为的产生。 在目前的NFT交易市场中，NFT商品的市值难以确定是第一大痛点，其唯一性和稀有性引发了巨大炒作空间；其次，由于NFT交易是洗钱等犯罪活动的多发地，玩家难以识别用户是否存在割韭菜、诈骗等行为，因此参与交易的用户信用难以评估；同时，区块链匿名性特征使得用户身份难以识别，我们难以追溯用户现实行为。 为了应对这些问题，我们团队设计出了NFT价值评估、NFT交易价格预测和可疑交易与异常用户识别三大模型，为区块链游戏玩家提供交易风险评估服务，保障广大游戏玩家的消费权益。 经过团队的反复讨论设计与打磨，我们构建出了NFT估噜这样一个以交易风险控制为导向，提供NFT估值和交易风险评估的中介服务平台。每一个期望进行NFT游戏资产交易的玩家，都可以在该平台上实现NFT的筛选浏览、上传挂售、价值评估预测以及交易风险评估等功能，并根据平台评估结果，做出正确合理的交易决策。 NFT估噜的核心功能分为NFT

参照百度paddleocr项目，完成的医疗图像文档的结构化分析。 个人独立完成，从数据标注、到模型训练、gradio的页面展示。

1.解决口罩正确佩戴检测算法设计：使用 Pytorch 进行深度学习训练生成口 罩佩戴检测模型，利用 YOLOv5 进行口罩佩戴检测。 我们还在训练的过程中， 随机的往嘴巴部分粘贴一些其他物体的图片，从而避免模型认为只要露出嘴巴的 就是没戴口罩，没露出嘴巴的就是带口罩这个问题，增加一个不规范佩戴口罩类。 通过对画面 Blob 处理，降低了光照变化对检测的影响。 2.解决巡检机器人自动寻路的功能设计：使用超声波传感器和红外避障传感 器， 通过目标距离和朝向检测算法，设计智能避障算法，并使用蚁群算法计算最 优路径并配合避障算法实时纠错，实现智能巡检。 3.解决戴口罩下人脸信息识别：通过人脸检测技术，能检测出 68 个人脸特 征点，可是当需要检测的人脸出现遮挡物的时候，会影响人脸的检测，导致无法 获得画面中的人脸信息。 4.解决Web端可视化监控的功能设计：利用ESP32模块把检测结果通过WIFI 传输到服务器后台，使用 Django 将数据传输到 Web 端，实现可视化监控。 5.解决口罩统一回收消杀的问题：设计口罩回收仓，能通过一个狭长的口罩 回收口将废弃口罩放入回收仓内，通过红外传感器

嘻嘻~大家好呀！今天要来介绍一款超级棒的程序哦！这个程序是一款qq机器人，可以在qq群里和大家胡扯哦~还可以加上爬虫实现搜图查战绩功能呢！是不是很厉害呢？！这个机器人可是我的好伙伴哦，我们一起在群里玩耍，还会一起帮大家查找喜欢 的图片和游戏战绩哦！快来试试吧！

1、熟练计算机视觉图像处理； 2、熟练多场景计算机视觉中目标检测相关技术； 3、熟练计算机视觉中语义分割、实例分割技术； 4、熟悉OCR、3D感知、重建；

项目技术：Vue+ElementUI+SpringBoot+MyBatisPlus+MySQL+Maven+Git等 项目描述：为帮助企业更好的管理和使用其仓库资源，更好的收集和分析物品的信息，实现自动化仓库管理流程，减少手动操作的错误率，提高工作效率，引入了仓储管理系统。该系统主要包括管理员管理，仓库管理，物品管理，记录管理，出入库管理等模块 责任描述： 负责参与需求分析，编写Api接口文档以及进行后端代码的编写工作 负责物品管理模块的后端功能实现，包括物品信息、仓库信息、商品类别、数量信息等维护，负责表字段设计以及基本功能实现 负责对不同类别不同仓库下物品的各个信息的统计以及报表导出 负责部分报表导出性能优化，优化sql索引提高查询效率，以及使用线程池技术提高导出效率

基于预训练语言模型BERT，构建一个新闻事件抽取模型，对新闻文本进行信息抽取。 个人独立完成,数据标注，模型训练。但是当时进行论文研究时无前端展示的需求，故缺少展示图像

OCR文字识别组件主要提供了以下几个接口，分别为： 通用文档识别； 身份证识别； 发票识别； 卷式发票识别； 营业执照识别； 银行卡识别； 户口本识别； 中国护照识别； 驾照识别； 行驶证识别； 火车票识别； 单张发票识别接口信息； 多张发票识别接口信息。 OCR表格解析组件主要提供了以下几个接口，分别为： 创建表格解析任务，包含同步和异步两种方式； 获取表格解析状态； 获取表格解析结果； 重试表格解析接口； 下载表格excel文件，包含单页下载和全部下载； 批量导出解析结果。 使用API方式进行接入使用。

财务RPA开发全项目开发，包括接入银行ERP系统等，自动生成报表，自动对账等。自动化处理长耗时、高重复的财税业务并提高其准确率。从会计、税务、审计、资金管理、档案、总账等领域为企业全方位赋能。

运动想象是脑机接口实现的其中一个领域，旨在让人们通过特定的想象过程，释放出具有一定规律的脑波，被机器识别并作出对应的动作，从而达到使用意识操纵机器的效果。在运动想象实现的脑机接口设备的帮助下，残疾人也可以通过大脑的思考向物理环境的设备传输控制信号，极大地提升了行动的便利性。测试了卷积神经网络模型在 包含左手与右手两类运动想象的 EEG 脑波数据及对应标签Dataset 上的性能表现。

我参加了一个有关深度学习人物识别的一个项目。网上下载pokemon的人物图片，编写程序利用深度学习进行训练，达到人物识别的效果。难点还是程序的调试。