机器深度学习

根据去年 的 AI 浪潮 自主研发的 ai 问答 ai 绘画 app ai 问答技术支持 使用羊驼 绘画使用 sd 有多位市场部门经理 以及各个 部门4 个月合作与测试 研发 最终完成 上线 (现在已下线)

背景：本人读研期间，正是新冠病毒流行的时间，人们进出公共场所一般都佩戴口罩，导致现有的门禁系统 不能快速准确地识别进出行人的身份，往往需要人们摘下口罩才能识别。故为了解决该问题，实现戴口罩下 的人脸识别，研究设计了在嵌入式设备上快速检测人脸并进行身份识别的算法和门禁系统样机。 (1) 利用深度学习框架 pytorch，并基于 SSD 算法，结合比较新颖的特征提取网络（如 CSPNet）和后处 理算法（如 CIOU），设计了一款轻量化的、能够在嵌入式设备实时运行的人脸检测模型，为人脸识别 提供较为纯粹的人脸图像，mAP 和 FPS 分别可达 96.46%、41。 (2) 利用 MAFA 和 WIDER FACE 人脸数据集，制作佩戴口罩和未佩戴口罩的人脸图像，并重新设计人脸识 别精度验证的测试方法，利用 CSPNet 网络提取特征、CBAM 注意力机制突出重点区域，ArcFace 损失 函数和受 CenterLoss 启发提出的类间损失函数共同训练人脸识别网络，最终人脸识别正确率在人脸底 库为 500 人时，可达 88%，对小型人脸底库识别有较强的应用意义。 (3) 动手搭建门禁系统样机，包括总体框架设计、硬件选型与制作、电机启停小信号传输、作为队长组织团 队成员参加相关比赛等，最终获得 2021 年挑战杯比赛校赛二等奖、实用新型专利一项、发明专利两项。 (4) 理论知识增长与实用技能提升：熟悉常见的目标检测网络，有 2~3 年的 Pytorch、TensorFlow 深度学习 框架和 python 语言使用经验，具备从事目标检测工作的基本能力；熟练使用 VScode 开发环境、linux 系统；

1.项目为省级重点项目，主要围绕反诈相关的需求,包含断卡，预警劝阻，反制...等等相关功能 2.我主要负责全省扫码系统的研发，全省银行和运营商几万个网点的扫码小程序，以及断卡相关的功能 3.难点： 1.前期需要为每个网点生成各种码牌供网点扫码，一个一个生成会很慢；采用多线程批量生成 2.每天有6 7万数据入库，管理平台需要查询，统计，会非常缓慢；采用clickhouse+datax技术查询数仓的数据解决此问题 3.每秒并发比较高，程序扛不住影响使用；采用负载均衡请求转发到多个实例，数据先入mq削峰，避免并发量太高数据库崩溃

1. 系统描述：本系统为AI多模态人工智能聊天系统，展示的模块为青少年问卷调查智能问卷。系统根据用户对问卷内容的回答，智能分析诊断用户的心理健康状况，为医生提供指导性建议 2. 责任描述： 整个系统架构搭建，问卷流程设计，以及AI核心模块的开发 3. 成果：已经与上海卫建委成功签订合作合同，并申报为24年度政府相关科研课题

一, 此软件用于开发各类功能测试，使用脚本即可完成各类项目。 二， 此系统由本人独立完成， 使用C#开发， 视觉使用halcon算子完成。 三， 此软件性价比极高， 大大提高了开发人员的开发效率。

系统是一款基于ThinkPHP框架开发的AI问答小程序 为用户提供了智能而互动的聊天体验 系统还集成了全开源的GPT4.0MJ绘画系统AI，使得用户可以使用AI进行绘画创作

搭建了将手势转化为字符的神经网络。在预处理阶段只考虑了主手以减少无效特征，删除了没有检测到手的帧并利用插值法对齐输入视频，同时创建了一阶导数来丰富输入特征。其间尝试了将编辑距离构造为可微分的损失函数。另外还使用了数据增强、残差网络、因果卷积、Ranger、CTC、BeamSearch等技术。最后，利用TensorFlow Lite转换器对模型进行了一些优化，以提高模型在移动设备上的性能和效率。这些优化包括量化（quantization）、权重剪枝（weight pruning）、图优化（graph optimization）等。

本作品采用先进的YOLOv8算法，实现高效的目标检测与目标计数功能。通过精准识别图像中的物体并自动统计数量，为各种应用场景提供便捷、准确的自动化解决方案。

1、项目描述 为了提高对互联网海量源声中舆情的分析能力,本项目构建了一个社媒数据的热点挖掘与观点提取系统。系统的主要目标为： （1)对于海量互联网源声进行过滤,保留相关数据； （2)基于过滤结果,对源声进行事件抽取与编码,聚类形成业务热榜； （3)对于各业务热榜进行观点分类,得到热点事件的用户舆情。 2、主要工作 （1）根据任务特点,从零训练了中文GPT-4模型用于源声数据的事件生成,通过三个阶段分别训练模型的中文语言建模能力,通用摘要能力和针对任务的事件生成能力； （2）分别训练了用于领域过滤,观点分类的模型,引入Prompt Learning,对比学习等技术提升模型性能； （3）尝试使用中文大模型对热点事件模块进行优化,提升热榜准确率和可读性； （4）完成服务的工程代码开发,各功能模块解耦,满足业务方的实际使用场景,部署服务到MLOPs平台。 3、项目成果 （1）截至目前,文本过滤模块和观点分类模块准确率均达到90%以上; （2）舆论热榜模块聚类簇准确率达到87%，相较于原服务准确率提升20%； （3）服务交付相关业务使用。 4、个人收获 （1）深度参与构建真实场景下的NLP应用系统,完整地进行了"数据准备-模型构建-训练调优-工程开发-测试验收服务上线"的过程； （2）通过本项目,对预训练语言模型的应用能力和不同任务的综合能力得到进一步锻炼;对企业中的模型开发流程和工具平台有一定了解。

模型：deeplabv3+ 去除笔迹的任务定义为分割任务。因此使用名为 Deeplabv3+ 的语义分割模型来解决这一任务。 实现：train predict 效果与网易相似 https://ai.youdao.com/handwritingErasure.s#/

首先对热带雨林的遥感图片进行标签处理，我们使用了lableme工具，接下来编写常规unet代码，并将主干架构替换为resnet最后加入ASPP和注意力机制模块进行优化。

1.gd32底盘控制,uart,i2c,spi,多传感器接入 2.算法版系统框架搭建，多进程通讯，glog，protobuf，UART通讯，ota升级 3.jps导航规划 4.机器人工作站通讯开发，无线升级

负责（基于python语言，torch框架，开源yolov5的目标检测项目，标记图片数据来源—robotflow） 其他（非本人）（包装为安卓测试应用）

使用python的机器学习库，根据珠子的颜色数据，对珠子进行分类。 分为数据读取、数据预处理、模型匹配、结果可视化、结果输出这几个模块。

在我最近参与的一个项目中，我运用人工智能技术来开发一个故障数据诊断应用程序，该程序专门针对工业设备和系统的故障检测与诊断。利用我在Python编程和机器学习算法方面的深厚知识，我设计并实现了这一解决方案，以自动化识别和分类设备故障，大大提高了故障处理的效率和准确性。 我负责的主要工作包括收集和预处理故障数据，这些数据来自于传感器、日志文件和操作系统。通过清洗、标准化和特征提取，我为机器学习模型的训练准备了高质量的数据集。接下来，我采用了多种机器学习算法，包括决策树、支持向量机（SVM）和深度神经网络，来建立故障诊断模型。这些模型能够根据历史和实时数据，准确地识别出设备的具体故障类型。 在模型开发过程中，我特别注重模型的准确性和泛化能力，通过交叉验证和多种性能指标来评估和优化模型。此外，我还实现了一套动态学习机制，允许模型随着时间积累更多数据而持续改进。 我所开发的故障数据诊断应用不仅能够实时监测和诊断设备状态，还能预测潜在的故障风险，为维护团队提供了一个强大的决策支持工具。这一应用已在多个工业环境中部署，显著提高了设备的运行稳定性和维护效率，减少了意外停机时间，为企业节约了大量的维护成本。 通过这个项目，我不仅展现了我在人工智能、数据处理和机器学习算法方面的专业技能，还证明了我能够将这些技术应用于解决实际问题，提供创新和有效的解决方案。这个经历进一步加深了我对人工智能在工业应用中潜力的理解，激发了我对未来技术创新的热情。

在我参与的一个创新项目中，我担任核心开发者的角色，负责设计和实现一个基于Python编程的解决方案，该解决方案旨在通过机器学习算法生成代理模型，以优化和简化复杂的计算过程。这个项目的目标是在不牺牲计算精度的前提下，显著减少工程和科学研究中常见的计算工作量和计算量。 我的主要工作内容包括分析项目中涉及的各种复杂方程，这些方程通常在物理、工程和金融领域的模拟计算中出现。我使用Python作为主要开发语言，利用其强大的科学计算库如NumPy和SciPy，处理和分析这些方程。随后，我采用了机器学习算法，尤其是深度学习技术，来训练代理模型，这些模型能够快速准确地近似原始复杂方程的解。 通过对多种机器学习算法的比较和测试，我确定了最适合我们需求的算法，并对其进行了定制化改进，以适应特定的计算需求。这些代理模型成功地与现有的计算工具进行了耦合，使得在进行大规模计算时，可以通过代理模型预测结果，而不是直接求解复杂的方程，从而大幅度减少了计算时间和资源消耗。 此外，我还负责监督模型的训练过程，确保计算精度满足项目要求。我采用了交叉验证和其他技术来评估模型性能，确保代理模型的准确性和可靠性。我还开发了一套自动化工具，以便于团队成员轻松地训练、评估和部署新的代理模型。 这个项目不仅展示了我的技术专长和创新能力，还证明了我在解决复杂计算问题方面的能力。通过这项工作，我帮助团队实现了在保证计算精度的同时，显著提升计算效率的目标，为后续的研究和开发工作奠定了坚实的基础。

求税率， 简单的排序，链表结构，数据分析，结构体的灵活运用，各种循环语句的应用，我本人具有亲和力，平易近人，善于与人沟通，也许今天的我没什么值得推荐的荣誉，但是我有一颗简单的心，做好了面对困难的准备，期望您的机会和慧眼

车牌识别与自动识别入场出场： 通过车牌识别技术，实现车辆的自动识别入场和出场，提高停车过程的便捷性和效率。 实时停车场信息更新： 提供实时的停车场空位信息，让用户能够及时找到空闲停车位，避免在停车场周围浪费时间。 预约停车服务： 用户可以通过移动应用提前预约停车位，确保停车的可用性和方便性。

自动化涂胶机器人，可以自动识别不同型号，不同码数的鞋底，不受环境光的影响，对图像进行处理并利用强大的算法功能，准确提取出鞋底的信息。 采用3D视觉可以有效识别出鞋底需要涂胶部分的三维结构模型，重新设置喷涂运动轨迹，机械臂就可以操控喷涂工具实现自动喷涂。 步骤： 1. 3D视觉相机安装在传送带上方，拍摄传送带上的鞋底的三维点云图像，获取鞋底曲面原始三维点云数据。然后将这些数据进行各种处理之后，就可以获得鞋底涂胶运动曲线。 2. 涂胶机器臂放置传送带一侧，末端连接通讯好的机械手，并将胶枪安装在机械手上。智能机器人系统将结合内置算法计算可以获得涂胶轨迹曲线和涂胶位姿，引导机器臂进行精准涂胶。

该项目主要完成抽烟行为检测，在某些特定场合，例如易燃易爆的场所是严禁抽烟的。因此本项目主要是负责完成场景中人员抽烟行为的检测。检测算法采用的是Yolo V5算法，前期先通过收集整理并标注抽烟行为数据集，然后利用收集的数据集完成抽烟模型的训练。待模型达到检测精度要求后，利用该模型即可完成抽烟行为的实时检测，单帧检测时间大约150ms，检测精度>95%。