人工智能

1. 这个作品是基于视频的情感分类（分成6类） 2. 我在这个项目中负责代码部分，数据的处理，可视化和模型的设计

KDD Cup 图学习比赛知识图谱赛道总排名第三名（第一二名均为百度团队），高校第一名，效果遥遥领先之后的团队。

2 智能场景 2.1 【人脸底库】 2.2 【时空轨迹】 2.2.1 需求描述 2.2.1.1 UI界面 2.2.1.2 API接口 2.3 【智能布控】 2.3.1 布控人员维护 2.3.2 布控任务 2.3.3 布控结果 2.4 【岗位监控】 2.5 【防火监控】 2.6 【社会治安】 2.7 【消防安全】 2.8 【护校护学】 2.10 【高频陌生人】 2.11 【后厨监控】 2.12 【店家客情】 3 智能调度 3.1 【调度列表】

WePY 是一个类 Vue 语法的小程序开发框架，它提供了更加灵活和彻底的组件化开发模式，同时支持使用 Promise 和 async/await 进行异步编程。WePY 采用类 Vue 的组件化开发模式，并基于 ES2015 的语法、LESS 等前端技术来进行开发。通过使用 WePY，开发者可以更加方便地进行小程序开发，提高开发效率和代码质量。

宠物托运是一种服务，旨在帮助宠物主人在需要的时候，将他们的宠物运往远程地区，无论是国内或国际运输。这项服务可以帮助宠物主人们处理包括旅游、迁居、搬家等时的宠物运输问题，提供舒适的环境和安全的运输方式，保证宠物的安全和舒适。

项目介绍：本项目是一个前后端完整的综合网站系统，旨在对特定水下目标图像进行检测和识别。在网站内，用户可注册、登录后，创 建独立的工作空间，在单个工作空间内，传入目标图像数据集，进行模型训练，监测模型的训练进度和效果，使用训练好的 模型进行目标检测、总结、可视化结果展示。 本人工作：以python为基础的后端开发和以Vue为基础的前端开发，全栈开发

项目中云用到了FOC控制，需要FOC相关的svgen的一些算法模块，及pid控制算法，到电机轨迹曲线。底层的pwm波等开发不是我负责，我主要负责，foc算法模块和轨迹算法及pid控制算法的开发及调试。最终使得电机能闭环运转

项目中的FOC控制环路，svgen模块以及一些FOC相关的算法模块，pid等控制算法的调试，最终结果通过FOC控制，输出pwm，到电机的正反转，设计到的轨迹算法。 在三坐标的项目中开发的空间圆弧，直线等插补算法。机械臂的上层控制算法等。

负责后端逻辑的编写 ，技术架构采用了springboot和ssm和vue，我主要写后端，前段不负责，日常维护也是我等等等等

RuoYi 是一个 Java EE 企业级快速开发平台，基于经典技术组合（Spring Boot、Apache Shiro、MyBatis、Thymeleaf、Bootstrap），内置模块如：部门管理、角色用户、菜单及按钮授权、数据权限、系统参数、日志管理、通知公告等。在线定时任务配置；支持集群，支持多数据源，支持分布式事务。 主要特性 完全响应式布局（支持电脑、平板、手机等所有主流设备） 强大的一键生成功能（包括控制器、模型、视图、菜单等） 支持多数据源，简单配置即可实现切换。 支持按钮及数据权限，可自定义部门数据权限。 对常用js插件进行二次封装，使js代码变得简洁，更加易维护 完善的XSS防范及脚本过滤，彻底杜绝XSS攻击 Maven多项目依赖，模块及插件分项目，尽量松耦合，方便模块升级、增减模块。 国际化支持，服务端及客户端支持 完善的日志记录体系简单注解即可实现 支持服务监控，数据监控，缓存监控功能。

该项目可以和任何扫码枪通讯，use或者串口的扫码枪 1、适用于工厂的二维码追溯和管理 2、适用于非标设备的定制化开发

MAKA是国内领先的设计工具和营销平台，研发的H5平台在appstore经常荣登类目榜首。主要负责pc端，安卓端，ios端等接口调试和开发，系统采用了php，python，node等语言。系统运用sentry等工具进行日志监控，并辅助钉钉进行实时反馈，保证了系统的平稳运行，性能和可用率都得到保证。系统对图片、视频、字体等进行辅助开发以协调微信h5的分享，并收集运行日志进行分析处理，并有针对性的进行迭代开发。涉及技术栈：lavarel，yii，vue，node，python。

1、发开人脸表情识别软件； 2、本人主要负责人脸检测算法、人脸表情识别算法的开发；还负责算法接口封装； 3、最终人脸表情识别模型的平均准确率胃92.8%。

1、设计人群密度计数识别模型，并将模型进行加速，在安卓端进行部署； 2、人群密度计数准确性为99.2%； 3、本人主要扶负责深度学习模型设计，模型加速，和模型部署任务。

1、主要昨消化道内部白光下对胃部部位识别和胃部病灶识别。 2、我主要进行算法模型构建，训练，测试，并且对模型进行部署。 3、胃部部位识别效果平均类别准确率胃99.2%；病灶识别平均准确为98.9，在1000例测试中无漏检。

在人们的日常生活工作中，经常会遇到某个不认识的字或不熟悉的词，或不理解语义或不知道发音。传统字典由于不好携带、使用不方便，对人们的生活造成困扰。为解决这一问题，基于小程序开发设计一款智能文字识别查询小程序，采用Java语音进行开发，使用开放API实现图片文字识别，不用安装、使用方便，对方便人民的生活产生积极意义。 1. 本人负责整个小程序设计以及前后端开发 2. 本小程序是基于阿里 百度 腾讯等api识别，每次识别结果都会记录，如果已经存在识别过得，则走本地库

1.端侧 管理员端和用户端(小程序) 2.技术 服务端:springboot 小程序:uniapp 管理员端前端:vue.js 数据库:mysql 3.主要功能 小程序端： 浏览商品信息，加入购物车，下单购买，在线联系客服，收藏商品等 管理员端： 管理轮播图，商品类别，商品信息，管理商品资讯，在线回复用户消息，管理用户，管理订单(发货，处理退款等) 4.算法 协同过滤推荐算法，基于用户的

介绍：运用机器学习算法，通过对快递运送的特征例如重量，距离，件数等来预测未来打折力度，寻求收益最大化。同时利用模型判断客户接受运送的概率以及挖掘客户做出判断的原因 协助客户清理数据以及提取相关特征并对相同的数据集执行回归与分类模型，从而预测打折力度与客户接受度；成功将模型准确度从83%提升至接近90%； 定期与客户沟通，确定客户需求并及时对项目流程进行可靠的更改； 对成熟的模型进行再优化，利用全局网络搜索进行参数上的调整； 提供数据可视化技术，撰写相关报告并演示；

1.项目主要分为：聊天室，ai 创作，用户信息模块，用户注册信息，分享给好友，成为VIP用户后，可以和ai进行智能对话，提高自己的办公效率，工作能力。 2.我负责整个项目的搭建和开发，项目的架构使用 MVP结构，主要核心技术点，流式聊天，呈现动态回复效果，使用异步线程刷新UI ,模型采用的是chatgpt 3.5接口，缓存历史记录采用，litepal库记录聊天记录。

我负责该项目的全部，前后端都负责 1、该项目适用于工厂级别的打包系统 2、可以通过扫码枪直接录入箱码和产品二维码 3、适用于各种非标产线的定制化开发