机器深度学习

本作品由本人完成，完成摔倒数据的设计，基于SVM机器学习方法进行摔倒检测，利用yolov5算法进行目标检测。并使用pyqt5设计了ui界面，可以实现视频和图片的摔倒检测。有需要基于python的qt5设计界面检测算法的，可以联系

引入mqtt消息队列、分库分表、ES等技术，解决高并发下海量数据存储与检索的技术难题 集成liveGBS流媒体服务，提供可视化 WEB 页面管理摄像头 集成电信aep平台数据

项目需求评审、工作量评估以及开发人员任务分配及进度管理 架构设计，模块重构，不同院校不同版本慕课的模块迁移和整合开发 部分模块解耦，独立设计部分模块，以适应不同学校的需求 核心业务模块逻辑优化，第三方接口对接优化 数据库查询性能优化，接口响应时间优化 线上问题排查解决，项目优化迭代跟进

架构设计。基础框架搭建，springboot+dubbo微服务架构 第三方底层框架集成。包括万科项目底层组件，云信直播、视频SDK 第三方业务系统集成。海尔单点登录集成，海尔用户中心注册、修改用户接口集成，对接海尔 COSMOPlat支付接口，对接海尔消息平台（短信），七鱼客服系统集成 核心业务模块。包括在线学习、直播、点播观看和管理，订单模块，支付模块 后台模块。包括用户管理，集团组织机构管理，用户权限（shiro），直播点播统计（ELK） 推流助手二次开发（c++）。对推流助手UI进行调整，添加了类似清晰度、直播暂停、恢复等功能 海尔COSMOPlat项目部署，基于k8s平台的docker镜像部署 基于pytorch开发、训练的AI搜索助手

项目主要是分为前端、后端和算法三个模块，我主要负责算法部分 1、对挥手求助等2D图像进行yolo目标检测，对跌到等3D视频流进行C3D检测，然后将检测出的异常行为类型给于对应标签，再与其他相关信息一起传给后端进行存储 2、其中对算法也进行改进，例如C3D加入视频流缓冲池等，基于项目需求进行改进 3、算法的识别精度高、系统运行的流畅度好

项目主要是在DETR系列目标检测算法的基础上进行改进的，将其与多模态模型进行融合，将单模态目标检测算法改进为多模态目标检测算法，实现检测能力和识别能力上的提升。

大数据处理：每日处理上亿级别的日志，为后续机器学习或数据分析提供数据资料，保证后续分析平台的稳定正常运行。 大数据自动化业务流程 在指定的时间自动启动任务，确保按正确的顺序执行，提供一个图形化界面，实时监控每个任务的进展情况。

是一套供平安寿险坐席人员培训学习的系统。主要有 演练模块、通关模块、学习模块、话术平台、数据报表、系统管理等主要模块。系统 分为 admin 端和 client 端，采用前后端分离的开发模式。并通过 kettle 工具同步人 管系统的坐席人员及相应的权限信息。 参与该系统所有模块的开发及问题优化。解决相应的生产问题、设计数据库表以及解 决表数据迁移问题、配合产品开发新需求，协助技术经理对每月底的版本发布做准备 工作；协助测试进行生产验证，负责产品的性能优化提升用户体验等。 指导新入职的同事对项目的理解，负责代码的审核以及在开发过程中所注意的问题

该软件专门用于对金属材料的数值型数据进行分析。通过主成分分析方法将数据进 行降维，利用支持向量机回归拟合出回归模型，使用遗传算法进行找到最优解。

项目分为文生图、图生图、dreambooth微调模型、图片管理几个模块。 文生图：通过关键词AI绘画出相关图片 图生图：通过本地图片加上关键词AI绘画相同风格的图片 dreambooth：微调模型可根据不同需求训练出自定义风格的AI绘图模型

知识助理，主要供自己平时学习使用，通过上传文档，通过聊天的方式可以快速掌握自己感兴趣的东西。使用的主要技术栈有：torch、langchain、大模型、streamlit等

气体检测模型搭建前后端平台。后端采用python+flask架构完成，前端使用vue3+vuetify完成。借助websocket实现前后端数据日志记录更新展示。借助基础组件对视频流效果进行封装，实现播放器功能。后端完成对yolo模型的导入和调用 本人主要负责前后端搭建编码和模型导入使用

项目主要目的为使用 人工智能技术对新闻进行分类，减少人力成本提高效率。 1. 模型主要分为以下5个步骤进行：数据爬取、数据选择与读取、数据摘要与清洗、模型选择、模型训练与评估、模型组合与预测效验。 2. 使用python及其相关科学库如：numpy、pandas等技术开发，选择的算法模型有：词袋模型BOW（Bag of Words）、词向量（Word Embedding）、神经网络，采用交叉验证的方式训练模型，来降低过拟合情况，最后对上述三个模型的结果组合加权平均。 3. 数据爬取主要使用Python requests库。 4. 使用Jieba中文分词库对中文进行分词处理，来完成数据选择与读取。 5. 独立完成TF-IDF算法对处理好的数据进行摘要与清洗。 6. 使用开源TestCNN和TestRNN模型对数据进行处理。

平台上线热词榜，热门词云。基于 jieba 进行大量文本原始数据词的初切分，插入前缀树，通过 ngrams 统计文本词频，计算各个 ngram 的凝固度，保留高于某个阈值的片段，通过凝固度+左右信息熵+词频的方式来进行新词发现，公式为：score = PMI + min (左熵， 右熵)。

主要分为两个大模型，一个解码器一个合成器，在解码器部分采用了wavenet作为encoding之后的核心算法，还附带了其他语言应用的功能

主要分为两个大模型，一个解码器一个合成器，在解码器部分采用了wavenet作为encoding之后的核心算法，还附带了其他语言应用的功能

在指纹识别的过程中，指纹图片通常都是现场采集的，受环境的影响会有产生很多的噪声点，如果直接使用，会对指纹的识别产生很大的影响，而指纹识别的应用场景又都是一些比较严肃不容有错的场合，所以去除噪声又不损坏原始图像的结构就显得更为重要。本人通过图像多重滤波、形态学操作等方法，开发了一套实时去噪系统，可支持Windows、linux、安卓等系统。

针对XX加固键盘人工检验效率低、易疲劳、主观性强、判断标准难量化、存在误检与漏检风险等问题，充分借鉴国内外先进制造及检测经验，开发一套键盘外观自动检测系统，以“机器视觉”代替“人工视觉”进行键盘外观缺陷检验。该系统可以对键帽错装、反装、漏装、脏污、字符丝印错误等外观缺陷进行检验，具体如下： 1、字符未镭雕透澈检测； 2、字符错键检测； 3、LED背光颜色错误检测； 4、颜色过亮或过暗检测； 5、位置偏移检测； 6、角度旋转检测； 7、机械半成品LED颜色及亮度检测等。

提供人脸检测、人脸识别，目标检测、行为识别、狗鼻纹识别等功能。 多平台支持，包括 Linux、Android、IOS、NNIE、atlas ，并进行了性能优化。 动作活体、授权、fast_run、TPS 限流、模型打包、加减密等关键特性。

AI慧眼系统是基于深度学习的一个智能系统，用于实时监控、异常行为检测、客流分析等。 提供，模型训练，模型优化，模型部署，工程化SDK，算法服务全流程开发部署。