机器深度学习

面向黄河流域的城市对于近二十年的碳排放的大数据进行统计分析处理，利用神经网络模型，以及基于神经网络的时间序列模型进行对于未来的碳排放预测。并且通过对多方面碳排放的数据增长情况进行分析处理，以达到对城市管理和政策建议的功效。此模型在中国统计建模大赛中，荣获国家二等奖，山东省一等奖。

是小组合作实操了一个对于甲骨文的识别系统，先是对通过对图片的反转对称折叠，通过训练组让机器对字形进行学习，通过CNN的方法和YOLO的检测方法对于图片上类似甲骨文的字形进行对比模拟，识别字形大概的位置和大小。然后通过人工进行标识的甲骨文的图片，作为大量的训练集让机器进行学习，最终可以识别出字。使用方法较为实用，最高精准度可达到97.8。

本项目开发一个书籍自动翻译器，该翻译器能够对pdf或word格式的文档进行自动翻译成中文，并输出为pdf或markdown格式的文件。 该工具使用了大语言模型LLMs（GPT-4o等），可以根据配置文件选用不同的大模型 主要开发语言为Python，该项目是模块化的，并且面向对象的设计，易于定制或拓展

1.半自动打标签技术！！！ 2.带姿态识别的视觉识别，外加针对各类垃圾设计的顶级数据集！！！ 3.精致的，可相应化的UI和可进行自己调节的数据处理！！！ 4.下位机操控舵机电机等运行的代码！！ （上传项目中仅有权重文件）！！！

本人主要负责算法设计，创新点代入，代码测试以及图像生成，还可以指导latex写作，主要专注于优化领域算法，多目标优化和单目标优化均有涉及，对于多种群，多约束，带约束和无约束多目标算法均有研究，欢迎前来咨询

负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。 利用无人机搭载的高分辨率相机收集茶园图像数据。 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评估

由于之前一直在公司工作，很多项目无法截图，这边写上自己个人技能： 独立开发过CV/NLP/机器学习项目，具备独立解决问题的能力。 精通医疗/通用场景图像分类、检测、信息抽取、OCR及一维信号分类。 自学能力强，能够快速学习、掌握新技术和工具，持续跟踪业内最新技术进展（AIGC、LLM）。 熟悉BERT相关预训练模型的使用及其NLU任务定制等通用NLP技术及LLM大模型的微调。 在天池CBLUE医疗信息大数据比赛中排名第27名，KAGGLE毒性评论打分比赛获得银牌。 熟练使用PYTHON开发，熟悉C、MATLAB。

采用普通的白光摄像头作为传感器、海思Hi3559A作为开发板。构建一套以计算机视觉为主的，汽车车载视觉系统。 主要功能有，目标识别（例如、行人识别）；基于双目视觉算法可以计算出与目标的距离达到预警、紧急避障等效果； 保持车道巡航功能； 基于图像拼算法的360°全景系统。

1.项目通过数据分析算法对工业数据进行分析，利用适宜的可视化图形进行展示，用户可以进行交互式的数据分析 2.我参与数据分析算法实现，前端页面以及后端API实现

通过图片预处理分析等方法对图片进行信息提取，设计、建立相关的数据模型，使用传统机器学习、卷积神经网络等方法对数据进行训练与凝血点的识别，使用数据可视化的方法对凝血的发展变化进行分析。

项目是爬虫 其中的功能就是 URL 地址请求进入网络，通过API进行连接，后来进行图片收集，然后帅选图片 项目IP更改 更改IP地址 项目游戏 通过模块功能和图片视频读取 写出游戏的动作和特效技能 项目AI之制作 图片音频视频，让你自己成为作家 音乐家 视频创造和动画片制作人

本项目旨在开发一种基于脑电图（EEG）、语音和面部信息等生理信息的更准确的多模态情绪检测方法，以提 高心理健康领域诊断和治疗的可靠性。目前项目进展到参考论文代码复现阶段，采用FOCAL框架进行多模态融 合。后期将针对脑电与语音模态对代码进行修改，重新训练模型。

智能客服是在大规模知识处理基础上发展起来的一项面向行业应用的技术手段，它是（大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等等），具有行业通用性，不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。

识别各种类型图片，图片表格，各个角度图片纠正，图片去水印，图片增强，图片裁剪，格式化输出返回，定制化模型训练，部署api

移动底盘 机械臂 视觉识别 等 负责底层程序编写 以STM32F407VET6单片机为核心，通过MPU6050与激光雷达确定机器人行驶路径，通过摄像头识别果实颜色程度来判断成熟度反馈给单片机，单片机根据返回来的数据进行处理控制舵机实现机械臂的采摘。最后通过仿真测试，优化机器人性能，提高采摘搬运效率和质量。

使用langchain开发大模型，调用api或本地部署大模型，补充外部知识库搭建rag，基于训练好的大模型进行二次开发应用，或本地部署大模型进行微调。

通过时间序列ARIMA、循环神经元LSTM等算法对大盘进行预测 通过大数据、统计等算法对股票进行预测 PHTHON C++ VS/VSCODE

对于重点交通路段的车辆信息进行监测和违法取证。 亮点分析： 1、使用后台线程处理视频帧： 创建了 VideoProcessor 线程类，用于处理视频帧和检测。 通过信号 frame_processed 将处理好的帧和入侵信息传递回主线程，避免主线程阻塞。 2、硬件加速： 确保在OpenCV中使用硬件加速解码（这部分需要确认OpenCV的安装支持硬件加速）。 3、非极大值抑制优化： 使用 cv2.dnn.NMSBoxes 函数进行非极大值抑制，提高检测框的准确性。 4、异步任务： 将繁重的计算任务放在后台线程中执行，提高主界面响应速度。

实现图像融合 等任务，图像融合是指将多幅图像的信息融合在一起，生成一幅新的图像，使得新图像能够包含原始图像的所有关键信息和特征。 图像融合技术可以将不同源的图像信息进行有效的组合，以提高图像的质量和信息量。 图像融合的原理图像融合的基本原理是将多幅图像进行适当的处理和组合，以实现信息的互补和增强。

本任务主要用于统计高速路车流量和景区人流量。 •项目实现： ①.目标跟踪是目标检测的更高级用法，主要解决问题是能正确识别不同帧之间的同一个目标，而不是仅仅是同一类目标。 ②.使用yolov8分类器和DeepSort跟踪器识别车辆和行人并训练其ID； ③.MatchingCascade(级联)：对detection使用匈牙利算法找到最小成本的匹配，在每个连续的帧之间确定每个目标的ID； ④.卡尔曼滤波分预测阶段：根据系统的动态模型对系统当前状态进行预测，并预测系统状态的协方差(表示不确定性)，预测的结果作为下一更新阶段的输入；更新阶段：滤波器使用新的数据来修正预测结果。这里涉及到卡尔曼增益，决定如何在预测和实际检测之间去平衡，然后滤波器会更新状态估计和状态协方差； ⑤.马氏距离：实现代价矩阵门控的函数，使代价矩阵中的不可行条目无效。对每一个检测和跟踪的匹配计算马氏距(MahalanobisDistance)作为门控阈值，如果马氏距离大于预定阈值，说明该匹配不可行。