Python

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，提升驾驶安全性。 稳定可靠：车载设备经过优化设计，能够在各种驾驶环境中稳定运行，提供可靠的识别结果。 易于集成：设备和模型设计具有高度的灵活性和兼容性，易于集成到各种车载系统中。 5. 应用场景： 辅助驾驶：为驾驶员提供实时交通标志信息，提升行车安全和驾驶体验。 自动驾驶：作为自动驾驶系统的一部分，帮助车辆识别道路标志，做出正确的驾驶决策。 交通监控：用于交通监控系统，帮助交通管理部门实时了解道路状况，提高交通管理效率。

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。

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

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；

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，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

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。

实现图像融合 等任务，图像融合是指将多幅图像的信息融合在一起，生成一幅新的图像，使得新图像能够包含原始图像的所有关键信息和特征。 图像融合技术可以将不同源的图像信息进行有效的组合，以提高图像的质量和信息量。 图像融合的原理图像融合的基本原理是将多幅图像进行适当的处理和组合，以实现信息的互补和增强。

1、项目主要有以下几类模块： 1）QT界面设计制作（简易）；2）数据爬取逻辑设计；3）数据存储方式及清洗等。 2、QT主要使用python的pyqt5模块技术实现；主要通过python语言作为主项，然后通过node环境处理提前整理好的JavaScript作为辅项，实现整个数据逻辑；最终数据存储方式未mongodb数据库中作为第一数据，通过中间脚本（提前制作好的清洗数据模块），将清洗后的数据放入MySQL数据库中。 3、本次项目的难点主要是，数据爬取逻辑模块：涉及第三方逆向处理，耗时较长；账号池的维护：（账号来源、维护逻辑等）；在账号的前提下，IP显得比较容易。

数据集成：系统需要能够集成各种自然资源的数据，包括地理位置、类型、规模、使用情况等。 数据管理：系统需要提供强大的数据管理功能，包括数据录入、修改、删除、查询等。 数据分析：系统需要能够对数据进行各种分析，包括趋势分析、空间分析、预测分析等。 立案查处：系统需要提供立案查处功能，包括案件录入、处理、追踪、报告等。

本系统是一个Vue前端框架整合element ui组件库并配合后端Springboot框架开发的管理系统，共分为三个模块：管理员模块、销售人员模块及经理模块。管理员主要是对用户、权限等基本信息进行管理；销售人员模块主要实现票务的预订，其中又将其细分为三个子模块，分别为活动选择、座位选择及票据生成；经理模块主要是对销售数据进行分析，并以统计图的形式展现。

和加拿大公司The Daily Scrum（TDS） News合作，非开源，主要功能为通过API爬其他大型新闻网站的新闻，交于ChatGPT rephrase，重新生成新的新闻。 整个项目分前后端，前端负责网页设计，后端负责爬取新闻，对新闻分类，交由ChatGPT生成全新的文章，保证合法性，部署于亚马逊EC2服务器并自动化生成发布到网站上。 我主要负责后端爬取新闻，API连接，与对方公司网站后端对接与部署（包括自动化发布），和github Action 可用性测试代码保证项目顺利运行

模型训练，处理并识别图片和视频手语，输出对应文字/单词（用的是keras和torch） 我主要负责视频处理和训练，三种模型，CNN-RNN（分别处理空间特征和时间特征）；预处理InceptionV3+RNN；自训练预处理CNN+RNN

1.项目为数据处理中间层 2.本人负责airflow流程规划设计，python api与sparksql的功能编写，用groovy编写pipeline去实现自动化部署k8s的等功能。 3.项目难点在于airflow的整体设计，如何一层一层依据业务部署；使用redis去解决python代码中的一些并发场景，充当锁的功能。

使用socket接受UDP数据，使用字典解析接收到的数据，使用pyqt6开发GUI，绘制仪表，设置信号槽处理UDP接收，发射信号

名称: quick-msg 简介：无需安装Kafka等消息中间件就能使用消息队列的服务。 安装说明: 编辑 config.ini 执行 ./qmsg config.ini 硬件要求 操作系统：RHEL, CentOS,Ubuntu,macOS 10.13+ 软件：glibc 2.12+, x86_64, x86_32 内存：最小1GB以上 本地存储：最小1GB以上 网络：最小百兆网卡

名称：quick-mysql 简介：一键快速安装mysql，程序无序修改自动支持分库分表，完全透明。 安装说明： 编辑config.ini 执行 ./quickmysql -i config.ini 进行安装 删除 ./quickmysql -r config.ini 进行删除 硬件要求 操作系统：RHEL, CentOS,Ubuntu,macOS 10.13+ 软件：glibc 2.12+, x86_64, x86_32 内存：最小1GB以上 本地存储：最小1GB以上 网络：最小百兆网卡

1、给半砖科技公司做的微信公众号会员管理系统，服务号可实现会员注册、登录、充值、查询等功能。会员在客户的桌面端产品可扫码计费使用软件服务。 2、本人负责服务全过程搭建。包括Centos云服务器和Mysql数据库部署和运维，微信服务号UI和交互制作，桌面端产品的微信API对接。

一个基于开源聊天软件zulip修改的聊天系统。将zulip基于K8s微服务化，是的它能够快速扩展，响应更多用户的请求。

1.参与中石油：生产指挥调度系统、中石油数据湖、中石油erp等建设 2.参与中海油：物资标准化建设、物资累数仓建设、物资数据治理、财务一体化平台等。