计算机视觉库/人脸识别

1. 改造latent diffusion源代码，添加多个条件，通过self attention和cross attention机制训练自定义的多个控制条件的扩散模型训练，实现发型的变形，融合，支持精确控制。 2. 基于50W头发数据训练VAE编码器和解码器模型，实现高清发型的生成

作品模块：1.运行环境的搭建 2.手部模型的构建 3.手势识别的自定义动作模型 4.鼠标控制接口 可以实现：通过普通摄像头的手势识别来完成对鼠标的控制 其中的：2，3，4部分几乎全部由本人完成。

1：项目主要包括下六个模块：人员管理，设备管理，平台(接口)管理，审批管理，系统设置，人脸识别搜搜和对比 主要实现的功能： 1：人员信息管理和统计。方便客户管理学校的教职工，学生，以及外来人员。尤其是疫情期间做到人员的精细化控制 2：系统对接学校的人像采集器和指纹图像采集器。直接上传系统。 3：基础数据管理能力。向学校其他系统提供基础数据。主要是人脸，指纹，住宿信息等 4：外来人员审批。控制每个进入校园的人员。以及该人员可以进入的场所 5：人员搜索。面对学校突发情况。比如，在网络平台发布不当言论，通过照片，找到该人员是否在校学生，以及具体的班级和学号信息

微商社群电商平台 负责电商平台技术选型和架构设计 主导后端开发，使用spring-cloud框架前后端分离 商品、订单、购物车、发票、促销模块接口开发 小程序端订单模块开发 按时完成交付上线

1、该项目属于培训学习平台，主要针对二建继续教育做的一个学习平台，此平台包括培训机构的入驻，及各个培训机构课程的购买，对接了微信支付，学员学习过程需要人脸识别才能完成本课程的学习，学习记录可通过后台查看。 2、平台简介：有全部课程、我的课程、入驻机构、个人档案、我的证书等模块功能。 3、 本项目由我一人独立完成。

roomGPT 可使用 AI 为你的房间生成新设计，上传现有的房间照片，它会给你一个高大上的新房间设计。 只需要给你的房间拍一张照，或是房间的 3D 效果图，并将其上传，即可用 AI 生成对应的...

独立完成 前端使用基于Python的Flask Web开发界面，后端使用python提取Dicom图像的坐标信息、层厚、图像位置、寻找对应RT文件的危及器官坐标点，将其转换到可以应用到陀螺刀系统中的坐标

基于I1协议、《Q:GDW 10517.1—2019南瑞B接口-电网视频监控系统及接口第1部分》、《2020-12068输电线路通道智能监拍装置技术规范.pdf》协议接入内蒙电网、国网，将线路视频、图片、导线舞动情况采集发送到服务器，识别山火、超高、超限并立即报警

1.项目为元学习maml和目标检测Yolov5的组合，实现在小样本上学习并检测到目标的功能。 2.检测功能可以移植在各种目标检测任务中，只需提供少量特定任务的检测图片和标签，便可对相应的图片和视频进行目标检测（画框和贴标签）。 3.

使用opencv实现人脸识别和银行卡号识别 人脸检测，把图像分成一个个小块，对每一个小块判断是否是人脸，假如一张图被分成了5000块，则速度非常慢。 为了提高效率，OpenCV 提供 cascades 来避免这种情况。提供了一系列的xml文件 cascades ：翻译 ：小瀑布 级联 cascade 对于每个数据块，它都进行一个简单快速的检测。若过，会再进行一个更仔细的检测。该算法有 30 到 50 个这样的阶段，或者说 cascade。只有通过全部阶段，cascade才会判断检测到人脸。这样做的好处是：大多数小块都会在前几步就产生否定反馈，节约时间。

1. dreambooth微调模型，自动生产3D数字服装的平铺纹理 2. 利用controlnet模型实现stable diffusion生成图像的可控性。 3. 利用大模型对prior和decoder的学习产生大批量优质logo图案

AI模型部署框架，提供CV模型算法的前后处理流式框架，整体代码框架follow google mediapipe 该项目主要解决AI算法模型部署开发效率，通过提供基础的模型前后处理算子，提高开发效率。同时提供了一套基于流式数据处理的pipeline，通过dag和数据流，结合高效算子实现模型的高性能以及高效部署。

1. 遥感目标检测 2. 轻量设备部署 3. 大幅宽处理 遥感图像处理是计算机视觉的一个子分支，主要涉及 图像处理、计算机视觉、python编程等。

智慧社区分为基础信息， 研判分析，大数据展示，移动端使用，基础信息主要是一标九实信息管理，对社区里面人，车，房进行关联，研判分析是对社区的疑似人员，疑似车辆进行监管，大数据展示是显示相关社区数据信息

使用yolov8 与LPRNet开发的车牌识别软件。opencv dnn 模型部署,yolo v8 迁移只训练了5 epoch,LPRNet 5万张 照片同样训练了5 epoch 纯cpu训练。识别率已经在90%以上，两个模型非常小巧。c++开发识别速度非常快

1.输入多视角的带有相机参数的2D图像，输出3D点云，重建物体的三维结构。 2.使用了pytorch深度学习框架，python程序设计语言，shell脚本，Transformer，自适应注意力机制，数据增强，自适应深度图预估网络，可变卷积，高斯牛顿深度图优化。

该作品是基于YOLOv5的车牌定位与识别系统，旨在在边缘端实现高效准确的车牌定位与识别。它利用YOLOv5算法，通过在图像中滑动窗口来检测物体，将图像划分为网格，并在每个网格中检测物体。通过卷积神经网络进行训练，YOLOv5能够识别各种不同的物体，并在图像中进行定位。对于车牌的定位与识别，该系统可以通过对训练数据进行多次迭代来提高准确率。 该系统能够实现高效的车牌定位与识别，包括对车牌的边框定位和车牌号码的识别。在实际应用中，车牌定位与识别可以帮助交通管理部门更好地监管车辆行驶情况，打击假牌、套牌等违法行为，提高交通管理效率。同时，也可以帮助停车场管理部门实现自动化车辆进出管理，提高停车场运营效率。 该作品在实现上采用了深度卷积神经网络、多尺度检测和卷积特征融合等深度学习技术，并通过对目标边界框的坐标和置信度进行回归，实现了对车牌的高效定位与识别。具体而言，该系统包括了数据预处理、模型训练、模型测试和结果展示等模块，在每一阶段中，都采用了一系列的优化方法，最终取得了较好的定位与识别效果。 数据预处理阶段，采集了大量的车牌图片，并通过图像增强、裁剪、旋转等操作，生成了一组高质量的训

使用神经网络对车辆信息进行特征挖掘，使用各种数学分析方法，使用特征提取手段挖掘信息，使用各种神经网络架构

栋栋科技平台是一家创新科技公司，致力于为企业和个人提供全方位的技术解决方案。我们的平台整合了最新的科技资源和技术专家团队，为用户提供高效、可靠和创新的服务。 首先，栋栋科技平台提供了丰富的技术咨询和定制开发服务。无论您是需要构建一个全新的网站，还是开发一款移动应用，我们都能提供专业的咨询和定制开发服务，帮助您实现您的想法和目标。我们的技术专家团队具备丰富的经验和深厚的技术实力，能够为您量身定制最适合的解决方案。 其次，我们提供了可靠稳定的云服务和数据管理解决方案。在数字化时代，数据安全和稳定性至关重要。栋栋科技平台通过与领先的云服务提供商合作，为用户提供高性能、可扩展和安全的云服务。同时，我们还提供数据管理解决方案，帮助用户有效管理和保护他们的数据资产。 此外，我们积极探索前沿的科技领域，如人工智能、大数据分析和物联网等。我们相信这些领域的发展将给企业和个人带来无限的机遇和创新。栋栋科技平台为用户提供了最新的技术资源和专家支持，帮助他们抓住机遇，引领行业发展。 最后，栋栋科技平台还注重用户体验和客户服务。我们始终以用户为中心，通过优质的服务和快速响应，满足用户的需求并解决他们的

目标：智慧工厂建设，厂区监控相机添加AI算法功能 - 9种算法需求：安全帽，工服是否合规，非法进入，烟气告警，明火告警，人脸权限，电子围栏告警，防护服操作规范，除静电操作规范 项目方案： - 边缘计算，算法服务器训练模型，下发算法到边缘计算网关，对接入的多路监控相机进行实时推理检测 - 现场108路监控相机，使用6台边缘计算网关+2台算法服务器，实现9种算法实时检测 - 1号边缘计算网关：接入13路相机视频流，其中9路相机实时检测烟火，3路相机实时检测工作服，1路相机实时检测防护服操作规范 - 2号边缘计算网关：接入12路相机视频流，其中4路相机实时检测烟火，8路相机实时检测区域入侵 - 3号边缘计算网关：接入5路相机视频流，实时进行人脸识别，实现权限管理 - 4号边缘计算网关：接入12路相机视频流，其中5路相机实时检测烟火，3路相机实时检测工作服，3路相机实时检测安全帽，1路相机实时检测区域入侵 - 5号边缘计算网关：接入11路相机视频流，实时检测烟火 - 6号边缘计算网关：接入10路相机视频流，其中5路相机实时