机器深度学习

机器学习,深度学习是人工智能的核心分支,致力于让计算机系统通过数据驱动的方式自动学习和改进性能,而无需显式编程。其核心是从数据中识别模式或规律,构建数学模型,使计算机能完成预测、分类、聚类等任务。主要类型包括监督学习、无监督学习和强化学习。机器学习广泛应用于自然语言处理、计算机视觉、推荐系统等领域,正重塑各行各业,是当前AI爆发的核心技术之一。
面向全国大学生数学建模竞赛建模手的开源入门与赛时速查工具包。项目把“题目输出是什么”作为算法选择入口,提供算法导航、训练计划、权威资料目录、可运行基线和模型验证清单。项目内容21张可搜索算法卡:识别信号、最低基线、升级条件、验证方法与常见误用。34条官方或权威资料入口,不镜像第三方受版权保护内容。3
850Python教育校园
系统以人脸视频作为输入,完成视频读取、人脸区域定位与预处理,并通过rPPG模型从面部细微颜色变化中提取生理信号。系统支持模型推理、rPPG波形生成及结果分析,可用于非接触式心率估计,并为后续模型训练、性能评估和算法优化提供完整实验流程。
800Python机器深度学习
1、高效、精准地识别铁路沿线防护围栏的各类破损情况,包括整体缺失、局部损坏及结构性倒塌等。基于对检测视频的全面分析,识别准确率在行业中处于领先水平,为快速修复与物理隔离提供了首要的决策依据;2、对铁路沿线的周边环境进行精细化扫描与检测,准确识别出可能存在的彩钢瓦房等硬质飘浮物隐患,实时关联其与铁路线
900Java人工智能
平台围绕目标检测模型开发提供数据标注、训练任务编排、训练状态监控、结果分析和智能问答等功能。用户可以在统一界面中完成图像数据整理与标注、配置模型和训练参数、启动训练任务并查看实时日志;训练完成后,可查看模型指标、检测效果及相关结果,辅助定位漏检、误检等问题。平台还集成目标检测领域知识问答能力,用于解
890Python机器深度学习
系统主要包括图像采集、目标检测、关键点定位、相机标定、PnP位姿求解、坐标系转换、姿态角计算及结果可视化等功能模块。通过YOLO模型完成目标及特征关键点检测,根据相机内参与目标三维几何信息建立二维—三维对应关系,采用PnP算法计算目标相对于相机坐标系的三维位置和旋转姿态,并输出X、Y、Z及姿态角等结
1240Python人工智能
高维特征提取模块:利用深度学习网络(如3D-CNN、Transformer等)对高光谱影像进行空间-光谱特征联合提取。小样本学习模块:针对标注数据少的问题,引入小样本学习策略,提升模型泛化能力。分类与评估模块:输出地物分类图,自动生成混淆矩阵、总体精度(OA)和Kappa系数等评估报告。
1170Python人工智能
本项目包含七大功能模块:1)数据采集与管理:对接电池充放电设备,采集电压、电流、温度等时序数据并存入MySQL,支持历史数据查询与导出;2)SOC荷电状态估计:采用安时积分与开路电压标定融合的多策略算法,经牛津退化数据集实测,SOC估计误差RMSE2.48%、MAE1.85%;3)SOH健康状态监测
1240Java机器深度学习
针对雾气、逆光、低分辨率、运动模糊与遮挡的船名图像,先修复笔画断裂与对比度,再定位、分割字符并识别输出文字,兼容右向左书写与竖排船名,并按船舶船名库纠错和校验。
710Python机器深度学习
系统主要包含行情数据接收模块、策略回测模块、实盘交易执行模块、风险风控模块、数据统计分析模块五大核心模块。行情模块负责对接外部数据源,实时获取外汇各品种K线、盘口报价数据;策略回测模块支持导入历史行情,对量化交易策略做历史仿真回测,评估策略收益、最大回撤等指标;实盘交易执行模块根据策略信号自动完成开
1230Python机器深度学习
系统包含图像采集、AI识别、运动控制、通信、状态机控制和人机交互六大功能模块。主要功能:工业相机实时采集管道图像;基于YOLOv8深度学习算法自动识别焊缝、套环和返修标识;通过ModbusTCP与PLC通信,实现管子前进/后退、夹紧/松开、三档速度控制;焊缝像素级精密对中(精度±3像素);套环自动分
950C++人工智能
系统围绕用户兴趣建模、资源特征分析、混合推荐计算、推荐结果展示及反馈优化构建完整服务链路。用户登录图书馆门户后,可在个人服务区域查看根据其研究方向、资源偏好和历史行为生成的个性化推荐结果,内容可覆盖专业图书、电子资源、课程资料及相关学术内容。推荐页面以书名、封面、作者、出版社和资源类型等信息呈现候选
1210Java机器深度学习
平台由教师工作台、课程管理、班级管理、学情监控、学生学习门户、个性化学习路径和AI智能助理等模块构成。教师工作台集中呈现学习人数、课程数量、待批改作业、用户反馈、课程平均完成率、平均学习评分、提交率和优秀率等核心指标,并提供待处理任务、实时学情预警和AIGC助手入口,便于教师快速掌握教学情况并开展后
1150Java教育校园
本项目是一个基于深度学习的智能医疗影像辅助诊断系统(IMID),旨在帮助医生提高医学影像诊断的效率与准确性。系统采用前后端分离架构,前端使用Vue.js+ElementUI,后端使用SpringBoot,AI分析模块基于YOLOv8模型,支持多种医学影像(CT、X光等)的智能识别与异常区域检测。
1050Java机器深度学习
咨询威Q【3447764415】新盛-腾龙博安-三家已合并【新盛官网—xs10692.com】【腾龙官网—TL12581.com】。华纳自上世纪50年代成立以来,生产的庐山牌云雾茶多次获得国内外金奖,蝉联历届中国名茶的称号。并且是庐山区第一个建厂的国营茶厂单位,如今是庐山云雾茶的重要产区,共拥有山林
660Axure云计算
咨询威Q【3447764415】新盛-腾龙博安-三家已合并【新盛官网—xs10692.com】【腾龙官网—TL12581.com】。华纳自上世纪50年代成立以来,生产的庐山牌云雾茶多次获得国内外金奖,蝉联历届中国名茶的称号。并且是庐山区第一个建厂的国营茶厂单位,如今是庐山云雾茶的重要产区,共拥有山林
780Caffe工业互联网
系统提供两种互斥的检测模式。检测模式基于YOLO目标检测识别零件状态,通过类别标签自动判断每个工序的OK或NG状态,NG状态具有粘性锁定特性。规则SOP模式基于几何条件判断,结合YOLO目标框和MediaPipe手部关键点,识别取件、检测、放回、限位读取四类工序,其中检测工序支持内窥镜拍照触发,限位
1820C++智能硬件
自动预标注:加载sam模型,图片进行预标注。可加载自定义训练好的小数据集yolo模型,对大数据集进行预标注。手动编辑:绘制、移动、缩放、微调边界框;删除/清空/修改类别与置信度三类标注显示:检测框、Pose关键点骨架(按类别自定义放射状连接)、Seg分割多边形标签导出:YOLO检测/Pose/Seg
1150C#机器深度学习
1.SCADA数据接入与清洗模块对接水厂SCADA系统,采集原水浊度、进水流量、pH、温度等分钟级运行数据,处理缺失值、异常跳变与停机工况剔除,按时间对齐不同采集频率的数据源,形成建模可用的标准数据集。2.加药量预测模块核心功能。采用"机理模型+数据驱动模型"双轨方案:机理模型依据原水浊度、进水流量
850Torch机器深度学习
半导体AOI检测产品系统
半导体AOI能识别多种缺陷,比如:晶圆表面的划痕、污点、颗粒和微裂纹;光刻环节的线路偏移、图形残缺、光刻胶残留;蚀刻环节的针孔、短路;封装环节的焊球虚焊、引线偏移或断裂;以及芯片成品的引脚变形、打码模糊等
1780C++人工智能
paddel2onnx开源项目
Paddle2ONNX工具链研发模块:负责底层算子编译与图优化,支持模型在ONNX与Paddle之间的相互转换。系统支持算子裁剪、算子融合等高级优化策略,能够有效缩减模型体积并提升推理速度。该模块覆盖面广,支持主流图像分类、检测、分割等视觉模型的平滑无缝转换,极大丰富了Paddle模型在外部生态的适
1130Torch人工智能
当前共1345个项目more
×
寻找源码
源码描述
联系方式
提交