Python

前端技术： HTML/CSS：用于构建用户界面的基本结构和样式。 JavaScript：实现前端交互逻辑。 Vue.js 或 React：前端框架，便于构建复杂的用户界面组件和高效的交互。 后端技术： Java用于处理业务逻辑和数据操作。 Spring Boot加速后端开发。 数据库 MySQL存储巡检数据

我们的交通标志识别系统利用先进的卷积神经网络（CNN），特别是YOLO-v5模型，来实现对交通标志的实时识别。这一系统经过大量数据的训练，已开发出高精度的识别模型，并成功集成到车载设备中。该车载设备配备摄像头，能够实时捕捉道路图像并通过模型进行分析，从而准确识别出各种交通标志。 主要功能： 1. 实时识别： 高效处理：基于YOLO-v5模型，系统能够在毫秒级别内处理图像并识别交通标志，确保在行车过程中不延迟。 精准识别：通过大量数据训练，模型具备高精度识别能力，能够准确分辨各种类型的交通标志。 2. 车载设备集成： 硬件集成：系统已成功嵌入车载设备，设备内置高性能摄像头，实时捕捉道路影像。 低功耗高性能：设备设计兼顾性能和功耗，确保长时间稳定运行。 3. 图像处理与分析： 实时图像输入：摄像头实时捕捉道路图像，系统即时处理输入图像。 标志识别输出：系统处理图像并输出识别结果，包括交通标志的类型和位置。 4. 项目优势： 高精度识别：利用YOLO-v5模型的优势，通过大量数据训练，实现对交通标志的高精度识别。 实时处理：系统能够在行驶过程中实时处理图像并识别交通标志，提供即时反馈，提升

本项目实现了高效的数据爬取脚本，自研量化模型，旨在为投资者提供全面、实时的A股市场分析与投资决策支持。项目通过自动化手段实现了对A股市场的全天候监控与量化分析，及时获取最明智的投资决策。 1. A股历史数据爬取： 数据全面：覆盖所有A股上市公司的历史数据，确保数据的广泛性和完整性。 高效采集：采用优化的爬虫技术，能够快速、准确地获取大规模数据。 数据存储：使用高效的数据库系统存储历史数据，支持快速查询和分析。 2. 24小时自动化监测： 实时监控：系统全天候运行，实时获取最新的市场数据，包括股价、成交量等关键信息。 预警系统：配置智能预警机制，当市场出现异常波动时，系统能即时发出警报。 自动更新：定时更新数据库，确保数据的时效性和准确性。 3. 量化模型分析： 实时胜率计算：基于最新数据和历史数据，量化模型实时计算每只股票的胜率。 多维度分析：综合考虑技术指标、基本面分析和市场情绪等多方面因素，提高分析的准确性。

1，框架上的二次开发，功能齐全，二次开发比较快。 2，6年代码经验，现在是全栈，性价比很高 3，电商平台：用户管理模块，商品管理模块，订单管理模块，支付管理模块，物流管理模块，营销管理模块，客服管理模块，数据分析模块这些全部都有

搜索引擎数据采集，获取企业在对应搜索引擎的广告关键词及排名等情况 包括数据采集，数据解析，报表展示，容错处理等模块 团队自研

用python3.12 写的爬虫脚本。指定网站和图片相关的标签信息，爬取网站上的图片，保持到本地。图片所示的是爬取一个发型网站的图片。

1.录音功能： 通过MediaRecorder API接入多媒体设备，如麦克风，结合静默检测功能来识别用户的说话状态。在指定时间内未检测到声音时，使用audioChunks模块记录音频并转换为语音格式，然后上传到后端。在此过程中，之前的录音内容将被清空，以便开始新的录音循环。 2.音频转换： 使用FFmpeg工具去除音频中的静音部分，并将音频转换为16000Hz采样率、16位小端格式编码的单声道音频，以优化音质和文件大小。 3.音频转文字： 利用paddlespeech的语音识别功能，将用户的语音输入准确地转换为文本，以便进行进一步的处理和分析。 4.获取聊天内容： 将转换后的文本通过Kimi API发送，获取智能生成的聊天内容，这些内容将作为聊天机器人的回复。 5.文字转音频： 使用paddlespeech的文本到语音（TTS）功能，将聊天机器人的文本回复转换为清晰的音频内容，供用户听取。 6.消息接收与展示： 在前端界面上展示用户和聊天机器人的交流内容，包括文字和音频消息，提供直观的沟通体验。

通过时间序列ARIMA、循环神经元LSTM等算法对大盘进行预测 通过大数据、统计等算法对股票进行预测 PHTHON C++ VS/VSCODE

一个可以爬取豆瓣网站电影排名的爬虫，爬取豆瓣前250条数据，爬取的内容有：电影名称，评分，点赞数，星星什么的，早期作品，还不是很成熟。

血之缘 App 一款十分优质的为全国献血者健康献血服务软件，这款软件为用户提供自动搜索附近的献血站服务，帮助用户参与日常献血活动，随时随地了解相关新闻和献血常识等主要功能是： 1、行业新闻、献血常识，一手掌握 2、查找附近献血点，一键导航直达 　 3、在线申请异地协调用血，给你不一样的关爱 　 4、献血者身份核实，领取献血者荣誉纪念勋章 　 5、献血者爱心服务，享受献血者专属关怀与服务 　 6、邀请好友共同加入，一起做了不起的献血者 我主要负责：使⽤ Objective-C 语⾔和 iOS 源⽣框架开发，采⽤ MVC 设计模式搭建 App。整个 APP 集合了了⽹络数据 AES 加解密技术、⽹络图⽚缓存技术，学习视频控制播放技术、地图定位功能、 扫描识别⼆维码及图⽚处理功能、与银联对接实现在线⽀付功能、UI 组件化设计、H5 ⽹⻚嵌⼊开发 等。 研究适应公司的⽹络数据 AES 加解密功能，这也是着⼿开发项⽬的难点之⼀ ⽤户扫⼆维码码领取爱⼼点、获取爱⼼点，并在商城兑换纪念品 ⾎站⽹点献⾎预约，地图定位献⾎⽹点 志愿者模块的学习视频播放控制、在线定位签到功能、

爬虫，爬取小红书笔记数，就是给该程序一个作者地址的主页，用来爬取该作者地下所有的笔记数据，内容有：作者、笔记类型、标题、点赞数、笔记链接。 可以批量作者爬取，还没开始搞（批量），暂时先搞这么多，目前只能一个一个作者的爬取。

1，把视频里面的柱子识别出来，用的yolo5，全自主开发，视频追踪和识别 2，自己标注数据，识别准确率是90%。 3，其他的算法方向也可以

1、项目简介，功能点比较简单：将excel、csv文件中的数据，自动填写到表单并提交，有简单的日志记录输出情况； 2、技术情况：python语言+qt面板；

前台（用户界面） 二维码扫描入口：用户通过扫描由后台生成的二维码进入贷款申请页面。 贷款金额展示：在申请流程的开始，向用户展示可贷款的金额范围。 基本信息填写：用户需要填写一些基本信息，如姓名、身份证号、联系方式等。 详细信息填写：用户需提供更详细的财务信息，包括房产、公积金情况等。 生成可贷款金额：根据用户填写的信息，系统自动计算并展示用户可贷款的金额。 填写贷款信息：用户完成贷款申请的最后步骤，包括选择贷款期限、利率等，并提交申请。 后台管理系统 后台管理系统是为贷款机构的管理人员设计的，用于管理贷款申请和用户信息。主要功能模块包括： 二维码管理： 生成贷款策略：生成不同标准的贷款策略，如最大金额，年利率等。 生成二维码：为贷款申请创建独特的二维码。 用户管理： 用户信息审核：审核用户提交的基本信息和详细信息。 用户借贷纪录：纪录用户的借款纪录。 使用了flask框架，vue3+element-plus以及

1. 巡检任务模块的设计与开发。 2. 使用 Redis 实现车辆远程控制锁，解决同一车辆被多人控制问题。 3. 车辆控制对接以及远程控制断线后的本地处理逻辑开发。 4. 第三轨形变检测方案设计、硬件调研与选型、硬件控制开发。 5. 对接 RFID，配合车辆自身数据实现隧道内车辆定位功能。

模型配置与加载 应用首先定义了一个配置对象detectorConfig，指定了使用ResNet50作为PoseNet的骨干网络，并设置了输入图像的分辨率和其他相关参数。 姿态检测 接收一个已经加载的模型和一个图像元素作为参数，然后使用模型的estimatePoses方法来估计图像中的姿态。这个方法返回一个包含所有检测到的姿态的数组，每个姿态由关键点的坐标和置信度分数组成。 图像上传处理 handleImageUpload函数用来处理用户通过文件输入上传的图像。当用户选择一个图像文件后，该函数使用FileReader API读取文件内容，并将其设置为图像元素的源，以便在网页上显示。 姿态分析按钮 handleAnalyzeButtonClick函数在用户点击“分析”按钮时触发。它首先加载模型，然后对上传的图像进行姿态检测，并调用displayPoses函数来显示检测结果。 绘制关键点和连线 drawKeypoints和drawLines函数分别负责在Canvas上绘制关键点和它们之间的连线。这些函数接收Canvas的上下文、关键点数组和颜色作为参数，然后根据这些参数在Canvas

对于重点交通路段的车辆信息进行监测和违法取证。 亮点分析： 1、使用后台线程处理视频帧： 创建了 VideoProcessor 线程类，用于处理视频帧和检测。 通过信号 frame_processed 将处理好的帧和入侵信息传递回主线程，避免主线程阻塞。 2、硬件加速： 确保在OpenCV中使用硬件加速解码（这部分需要确认OpenCV的安装支持硬件加速）。 3、非极大值抑制优化： 使用 cv2.dnn.NMSBoxes 函数进行非极大值抑制，提高检测框的准确性。 4、异步任务： 将繁重的计算任务放在后台线程中执行，提高主界面响应速度。

import pymysql：导入 MySQL 数据库连接库，用于与数据库进行交互。 from selenium import webdriver：从selenium库中导入webdriver，用于控制浏览器进行网页操作。 from selenium.webdriver.edge.options import Options：从selenium.webdriver.edge.options模块中导入Options，用于设置浏览器选项。 from selenium.webdriver.support.ui import WebDriverWait：从selenium.webdriver.support.ui模块中导入WebDriverWait，用于等待网页元素加载。 from selenium.webdriver.common.by import By：从selenium.webdriver.common.by模块中导入By，用于指定网页元素的定位方式。 from selenium.webdriver.support import expected_conditions as EC：从s

一个简简单单，普普通通的爬虫，可以爬取小说的爬虫，通过小说主页爬取小说文章，并将文章写入一个txt文件里。

●技术栈：Java8，SpringCloud，Feign，MybatisPlus，RabbitMQ，Mysql，MongoDB，Redis，MinIO，XxlJob。 ●项目描述：数据中台是以采集数据，分析清洗数据为主要目的的一个数据管理平台，目前实现采集数据的方式有两种，数据库备份与爬虫爬取，采集后到数据源模块进行规则配置，然后按规则定时分析清洗。 ●个人职责：我主要负责爬虫模块和数据源的管理功能开发，使用调度中心XxlJob来控制定时任务发送，爬取的原始数据存入MongDB，使用SpringBoot整合的MongoDB连接工具查询出数据后使用XPath和正则表达式匹配出有用的数据后存储到Mysql表中，数据表使用Spring封装的JdbcTemplate创建跟查询操作，提取图片识别使用ocr算法，完成有提取出表格图片数据。校验是人工校验，即人为对比提取跟源数据。现主要负责元数据管理与数据集成模块的业务代码，完成了数据源的配置与测试连接，数据库获取数据的展示页面接口，还有SQL工作台的SQL语句执行的接口。