计算机视觉库/人脸识别

背景:23年5月，DeepMind和Meta的三位前员工在巴黎共同创立了Mistral AI 23年9.27，他们发布了第一个基座大模型，即Mistral 7B，共73亿参数 模型对比: 在所有基准测试中跑赢 Llama 2 13B 在推理、数学和代码生成方面中优于 Llama 1 34B 在代码上接近 CodeLlama 7B 性能，同时保持良好的英语任务 主要方面： 使用分组查询注意力 （GQA） 加快推理速度，还减少了解码期间的内存需求 使用滑动窗口注意力 （SWA）有效地处理任意长度的序列，同时降低推理成本。 位置编码方面RoPE)采用绝对位置编码的形式 实现相对位置编码 其他： 预填充与分块：减少重复运算 滚动缓冲区缓存(Rolling Buffer Cache)：固定的注意力长度意味着可以使用滚动缓存来限制的缓存大小 检索增强生成（RAG），它融合了大语言模型中的检索（retrieval）和文本生成（text generation）功能。这种方法将从庞大语料库中获取相关文档片段的检索系统，与根据检索信息生成答案的大语言模型配对使用。 我们将使用 2023 年 12

手势识别，用OpenCV实现

-项目介绍：在平台中接入摄像头且给摄像头配置不同的算法，对摄像头的视频流内容进行检测识别，当有安全事件时，会产生报警并且生成一条记录同时会将产生的报警数据做可视化呈现； - 主要职责：负责整个平台生命周期管理、通用版本的0-1的设计以及后期的版本迭代； - 主要的功能模块有：IPC设备管理、算法调度、报警结果输出与呈现、多数据源接入管理、大屏地图标注、GIS离线地图、摄像头直播流预览、云台控制、报警统计指标、统计图表、以及对设备状态等； - 主要挑战：项目需求与通用版本双线开发的人力短缺问题；向上协调资源以及与项目侧进行沟通整体的节凑；通用版本系统设计以及带来的使用难度高的问题；通过培训以及输出使用手册；通用版本抽象问题以及像GIS离线地图新需求高难度问题； - 项目成果：通用版本推出，约80%的客户需求通过简单配置即可完成；降低人力成本约50%；交付效率提升约50%；

QMotion 是一个采用 OpenCV 开发的运动检测程序，基于 QT。

背景:23年5月，DeepMind和Meta的三位前员工在巴黎共同创立了Mistral AI 23年9.27，他们发布了第一个基座大模型，即Mistral 7B，共73亿参数 模型对比: 在所有基准测试中跑赢 Llama 2 13B 在推理、数学和代码生成方面中优于 Llama 1 34B 在代码上接近 CodeLlama 7B 性能，同时保持良好的英语任务 主要方面： 使用分组查询注意力 （GQA） 加快推理速度，还减少了解码期间的内存需求 使用滑动窗口注意力 （SWA）有效地处理任意长度的序列，同时降低推理成本。 位置编码方面RoPE)采用绝对位置编码的形式 实现相对位置编码 其他： 预填充与分块：减少重复运算 滚动缓冲区缓存(Rolling Buffer Cache)：固定的注意力长度意味着可以使用滚动缓存来限制的缓存大小 检索增强生成（RAG），它融合了大语言模型中的检索（retrieval）和文本生成（text generation）功能。这种方法将从庞大语料库中获取相关文档片段的检索系统，与根据检索信息生成答案的大语言模型配对使用。 我们将使用 2023 年 12

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。

OpenCVDotNet 是一个 .NET 对 OpenCV 包的封装。