分类标签_AtomGit开源社区

分类

基于深度学习YOLOv12的传送带缺陷识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文基于YOLOv12深度学习算法，设计并实现了一种高效的传送带缺陷识别检测系统。系统针对传送带表面常见的四类缺陷（堵塞、裂缝、异物、孔洞）进行自动化检测，通过构建包含1860张训练图像、318张验证图像和167张测试图像的数据集，实现了高精度的缺陷分类与定位。系统采用改进的YOLOv12模型，优化了网络结构和训练策略，显著提升了小目标缺陷的检测性能。此外，系统集成了用户友好的UI界面，支持登录注

 算法魔法师
2026-06-13 12:36:14

 36

#深度学习 #ui #python +2
基于深度学习YOLOv11的结核病检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

结核病（Tuberculosis, TB）是一种由结核分枝杆菌引起的全球性传染病，早期准确检测对疾病防控至关重要。本文提出了一种基于YOLOv11深度学习模型的结核病检测系统，通过目标检测技术自动识别痰涂片样本中的结核杆菌（TBbacillus）。系统采用包含1,098张训练图像和122张验证图像的自定义YOLO数据集进行模型训练，并集成用户友好的UI界面，支持登录注册功能，便于医疗工作者快速筛查

 算法魔法师
2026-06-13 12:35:40

 26

#深度学习 #ui #分类 +2
基于深度学习YOLOv12的晶圆体缺陷识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv12的晶圆体缺陷检测系统，旨在实现高效、准确的晶圆制造缺陷分类与定位。系统针对9类常见缺陷（包括Center、Donut、Edge-Loc等）进行检测，采用包含13,000张标注图像的数据集（训练集10,400张、验证集和测试集各1,300张）进行模型训练与评估。结合用户友好的UI界面和登录注册功能。实验表明，YOLOv12模型在晶圆缺陷检测任务中表现出较高的精

 算法魔法师
2026-06-13 12:34:03

 106

#深度学习 #ui #python +2
基于深度学习YOLOv12的教师行为识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv12的教师行为识别检测系统，旨在实时识别并分析课堂教学中的教师行为。系统支持6类行为检测，包括“翘腿（Crossing legs）”“指导学生（Guiding students）”“看屏幕（Looking at the screen）”“讲课或提问（Teaching or asking）”“使用手机（Using a phone）”和“书写（Writing）”。

算法魔法师
2026-06-13 12:33:02

 93

#深度学习 #ui #python +2
基于深度学习YOLOv11的辣椒叶片病害识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv11的辣椒叶片病害识别检测系统，旨在实现高效、精准的病害分类与定位。系统针对5类常见辣椒叶片病害（黄单胞菌病[xanthomonas]、花叶病[mosaic]、健康叶片[healthy]、尾孢菌病[cercospora]和卷叶病[leaf curl]）进行检测，采用包含1796张训练图像和462张验证图像的自建YOLO格式数据集进行模型训练。结合用户友好的UI界

 算法魔法师
2026-06-13 12:32:31

 200

 4

#深度学习 #ui #分类 +2
基于深度学习YOLOv11的白细胞类型识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv11的白细胞类型识别检测系统，旨在实现高效、准确的白细胞分类与定位。该系统针对五类白细胞（嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞）进行检测，采用YOLOv11算法结合定制化YOLO格式数据集（训练集6930张，验证集2970张），在保证实时性的同时提升了小目标检测精度。系统集成用户友好的UI界面，支持登录注册功能。实验结果表明，该模型在验证集

 算法魔法师
2026-06-13 12:30:29

 190

 4

#深度学习 #python #分类
基于深度学习YOLOv11的水藻检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着水体富营养化问题日益严重，水藻的快速检测与监测成为环境管理的关键任务。本文基于深度学习技术，提出了一种基于YOLOv11的水藻检测系统，能够高效、准确地识别水体中的水藻目标。系统采用YOLOv11算法，针对1类目标（水藻）进行优化，训练集包含704张图像，验证集包含344张图像，确保了模型的泛化能力。此外，系统集成了用户友好的UI界面，支持登录注册功能。实验结果表明，该系统在准确性和实时性上均

 算法魔法师
2026-06-13 12:29:21

 169

 7

#深度学习 #ui #python +2
基于深度学习YOLOv12的水藻检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着水体富营养化问题的日益严重，水藻的快速检测与监测成为环境保护和水质管理的重要任务。本文基于深度学习技术，提出了一种基于YOLOv12的水藻检测系统，能够高效、准确地识别水体中的水藻目标。系统采用YOLOv12算法，结合包含704张训练集图像和344张验证集图像的自定义数据集进行模型训练，实现了对单类别（水藻）目标的精准检测。此外，系统配备了用户友好的UI界面，支持登录注册功能。实验结果表明，该

 算法魔法师
2026-06-13 12:28:51

 208

 7

#深度学习 #ui #python +2
五个侧重不同的真正的番茄时钟推荐（重体验，轻宣传）

还涵盖格式转换、快速便签、系统工具、智能家居控制等附加功能，一个软件搞定专注、办公、生活需求，学生、职场人、开发者都适配。主打无干扰专注体验，默认简约圆形计时界面，支持自定义主题（暗黑、奶油、马卡龙等20+社区主题），可匹配IDE或系统配色；跨设备同步是核心优势，手机、电脑、平板数据实时同步，外出用手机计时、回家用电脑复盘，无缝衔接；支持自定义计时时长、提醒音效，适配经典番茄工作法。核心亮点：极简

 意念的躯壳
2026-06-12 16:57:50

 351

 6

#算法 #git #windows +2
将合同管理从“人工密集型”升级为“人机协同型

道本科技与DeepSeek的合作，提供了一个明确的解法：不是用AI取代人，而是把合同管理中那些“适合机器做”的事交给机器，让人去做真正需要人的事。两者结合，把合同管理从“人扛着系统跑”，变成了“系统驮着人跑”。道本方案的目标，是把法务从80%的重复性劳动中解放出来，让他们有精力去做那20%真正创造价值的事。每次合同审查中，业务、法务、财务提出的修改意见，系统自动采集、提炼，用于迭代下一轮智能审查。

智慧293
2026-06-12 16:22:45

 361

 8

#时序数据库 #数据库架构 #数据库开发 +4
基于深度学习YOLOv11的垃圾分类识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着城市化进程的加快，垃圾分类已成为实现资源循环利用和环境保护的关键环节。然而，传统的人工分类方式效率低下且成本高昂。为此，本研究基于深度学习技术，提出了一种基于YOLOv11的垃圾分类识别检测系统，能够高效准确地识别四类垃圾：可回收物（recyclable waste）、有害垃圾（hazardous waste）、厨余垃圾（kitchen waste）和其他垃圾（other waste）。

算法魔法师
2026-06-12 16:12:08

 267

#深度学习 #分类 #开发语言 +3
基于深度学习YOLOv12的垃圾分类识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着城市化进程加快，垃圾分类已成为环保领域的重要议题。传统垃圾分类方法依赖人工分拣，效率低且成本高。为此，本研究基于YOLOv12深度学习算法，开发了一套高效准确的垃圾分类识别检测系统。系统针对4类垃圾（可回收物、有害垃圾、厨余垃圾与其他垃圾）进行检测，采用包含1910张训练集和833张验证集的自建YOLO格式数据集进行模型训练，并结合用户友好的UI界面与登录注册功能。实验表明，该系统在准确率与实

 算法魔法师
2026-06-12 16:11:30

 246

#深度学习 #分类 #ui +2
基于深度学习YOLOv11的棉花分类识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

针对棉花品种自动化分类需求，本研究基于YOLOv11深度学习框架开发了一套高效准确的棉花分类识别检测系统。系统以四种常见棉种（G-arboreum、G-barbadense、G-herbaceum、G-hirsitum）为检测目标，通过构建定制化YOLO数据集、优化模型训练流程，并集成用户友好的UI界面与登录注册功能，实现了从数据标注到实际应用的全流程解决方案。目录一、项目介绍二、项目功能展示2.

算法魔法师
2026-06-12 16:10:59

 29

#深度学习 #分类 #人工智能 +2
基于深度学习YOLOv11的水果分类识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文基于YOLOv11深度学习框架，设计并实现了一种高效的水果分类识别检测系统，支持6类水果的精准检测，包括金冠苹果（golden delicious）、澳洲青苹果（granny smith）、梨（pear）、红蛇果（red delicious）、红油桃（red nectarine）及黄桃（yellow peach）。系统采用YOLOv11算法，结合包含5,481张训练图像和263张验证图像的自定

 算法魔法师
2026-06-12 16:09:58

 22

#深度学习 #分类 #python +2
基于深度学习YOLOv12的棉花分类检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

针对棉花品种自动化分类需求，本研究基于YOLOv12深度学习框架开发了一套高效准确的棉花分类识别检测系统。系统以四种常见棉种（G-arboreum、G-barbadense、G-herbaceum、G-hirsitum）为检测目标，通过构建定制化YOLO数据集、优化模型训练流程，并集成用户友好的UI界面与登录注册功能目录一、项目介绍二、项目功能展示2.1 用户登录系统2.2 检测功能2.3 检测结

 算法魔法师
2026-06-12 16:10:29

 23

#深度学习 #分类 #python +2
基于大模型的客服工单自动分类：从标签体系到模型落地实践

本文探讨如何利用大模型实现客服工单自动分类。传统人工分类存在效率低、不一致等问题，而大模型能更好理解自然语言表达。关键实施步骤包括：1）设计清晰的二级标签体系；2）通过约束性Prompt限制输出范围；3）采用规则优先+分层处理策略降低成本；4）建立评测集评估准确率；5）设置人工复核机制处理低置信度样本。落地时需要构建完整处理流程，并持续收集人工反馈优化模型。成功的核心在于标签体系设计、流程控制和评

 2601_96268328
2026-06-12 15:19:23

 459

 4

#分类 #人工智能 #大数据
MATLAB 使用 LSTM 网络进行数据分类预测与仿真分析

通过本教程，你已经了解了如何使用 MATLAB 实现基于 LSTM 网络的数据分类预测与仿真分析，并掌握了时间序列分类和预测的实现方法。MATLAB 提供了丰富的工具和函数，使得深度学习模型的构建、训练和部署变得非常简单。

鱼弦
2026-06-12 09:35:02

 438

 10

#matlab #lstm #分类
机器学习分类指标完全手册：从混淆矩阵到 F1 / ROC / PR（9000字深度解析·附 16 段 Python 代码）

9000字深度解析机器学习 7 大分类指标：Accuracy、Precision、Recall、F1、ROC-AUC、PR-AUC、LogLoss。涵盖混淆矩阵、多分类 Macro/Micro/Weighted 体系、类别不平衡 5 大方案、阈值调优技巧。配 6 张原创可视化图 + 10 张对比表 + 16 段 sklearn/matplotlib 可运行代码，解决「99% Accuracy 模型

 weixin_56622231
2026-06-12 01:24:43

 402

 8

#机器学习 #分类 #矩阵
基于神经网络的汽车与自行车的分类算法设计与实现，采用ResNet50和迁移学习，准确率达到99%

随着智能交通系统和自动驾驶技术的快速发展，车辆自动识别成为计算机视觉领域的重要研究方向。自行车与汽车作为城市交通中两类主要的交通工具，其准确分类对于交通流量监测、违章检测、辅助驾驶等应用具有重要意义。然而，由于光照变化、拍摄角度、车型多样性等因素的影响，传统图像分类方法难以实现高鲁棒性识别。本文针对自行车与汽车图像分类任务，设计并实现了基于卷积神经网络（CNN）的分类系统。首先，构建了包含4000

叫我：松哥
2026-06-11 21:31:40

 596

 8

#神经网络 #汽车 #分类 +4
本地千万级政府人口数据分类处理实战：用 AI 工作流零代码、零 SQL 完成人口数据清洗、多表拆分与分类统计

本文介绍了一个基于AI工作流的政府人口数据处理方案。该方案通过提示词配置即可完成千万级XLSX/CSV数据的清洗、归一、分类和统计分析，无需编写Python或SQL代码。核心流程包括：数据清洗（统一日期格式、婚姻状态和学历字段）、构建分类宽表、按婚姻状态拆分子表（已婚/未婚/离异/丧偶），并输出各子表的人口统计结果（数量、性别比例、年龄结构等）。通过封装Python智能体、SQL智能体等技术，实现

 罗政
2026-06-11 10:46:15

 232

 5

#人工智能 #分类 #sql
开发轻量级分类模型或作为更大管道检测系统的前置判断模块排水管道缺陷自动分类排水管分类数据集污水管分类数据集的管暗接数据集和沉积、结垢数据集进行分类任务

摘要本文介绍了一个用于排水管道缺陷分类的数据集，包含两个子集：1）支管暗接数据集（2,000张图像，含缺陷与正常样本各1,000张）；2）沉积与结垢数据集（80张图像）。数据集特点包括明确的二分类标注、典型缺陷样本覆盖（如例图所示），适用于轻量级分类模型开发或工业质检系统前置模块。代码示例展示了数据加载、预处理及PyTorch模型训练流程，包含数据分割、简单CNN构建（含卷积层、池化层和全连接层

 DeepLearningYolo
2026-06-11 10:26:58

 302

 8

#分类 #数据挖掘 #人工智能
PyTorch+CNN实现衣物分类

本文介绍了使用CNN卷积神经网络实现衣物分类模型的完整流程。首先下载FashionMNIST数据集并进行预处理，构建包含卷积层、池化层、Dropout和全连接层的神经网络模型。通过10轮训练后，模型在测试集上达到一定准确率，但存在混淆"衬衫"和"T恤"等问题。随后进行了模型改进：增加卷积层、扩大全连接层维度、调整学习率和训练轮次、加入数据增强。改进后的模型性

 金斗潼关
2026-06-10 21:57:38

 398

 4

#pytorch #cnn #分类
基于深度卷积神经网络的水果图片分类算法设计与实现，有ResNet50的迁移学习模型，准确率达95%

1前言1.1 研究的背景和意义1.1.1 研究背景农业是国民经济的基础产业，农产品的智能化识别对于提升农业生产效率、保障食品安全、推动农业现代化具有重要意义。水果作为日常消费品，其种类繁多、外观相似，传统的人工分类方式不仅效率低下，而且容易受到主观因素和疲劳的影响，难以满足大规模、高精度的应用需求。随着计算机视觉和深度学习技术的迅猛发展，基于图像的自动分类方法逐渐成为研究热点。卷积神经网络（Con

叫我：松哥
2026-06-10 20:57:07

 581

 5

#cnn #分类 #迁移学习 +4
Digits 手写数字识别：随机森林多分类 + 像素级特征热力图

本文基于scikit-learn Digits手写数字数据集，使用随机森林构建10分类模型，实现了96.67%的准确率。研究通过混淆矩阵分析发现数字8最难识别（Recall仅0.86），其易与1、7混淆。创新性地将Permutation Importance映射为8×8像素热力图，揭示模型主要关注图像中心区域（特别是第21号像素），该位置恰为数字笔画交汇点。实验提供了完整的可复现代码和可视化结果，

popcorn_min
2026-06-10 17:23:28

 246

 5

#随机森林 #分类 #算法
DogsVsCats 项目复盘：从猫狗分类开始理解 PyTorch 训练闭环

这个项目里我做了两类模型：一个是自己写的简单 CNN，另一个是基于 ResNet-18 的迁移学习。自定义 CNN 主要由卷积、ReLU、池化和全连接层组成。卷积层可以理解成一组可学习的特征探测器。不同卷积核会在图片上滑动，提取不同局部特征。浅层卷积可能学到边缘、直线、纹理、颜色变化这些低级特征，越往后可能组合出耳朵、鼻子、脸部轮廓这些更高级的视觉特征。这里很重要的一点是，卷积核不是人工固定好的滤

 学术草履虫
2026-06-10 14:58:30

 401

 3

#分类 #pytorch #数据挖掘
CNN图像分类实践：对比三模型及不同结构参数的影响（基于CIFAR-10数据集）

本文通过三个CNN模型在CIFAR-10上的对比实验，揭示了几个关键发现：1）SimpleCNN以仅10万参数取得79.8%准确率，优于迁移学习的ResNet18（72.1%）；2）LeNet-5通过加宽卷积核（32/64核）可提升13.8%准确率至78.8%；3）ResNet18需精细调整冻结策略（仅冻结底层）和归一化（必须使用ImageNet统计量）才能达到可用性能。实验表明，当目标数据集（C

电子琴师
2026-06-10 12:21:19

 189

 10

#目标检测 #神经网络 #cnn +2
数据分类分级新范式：从“合规枷锁”到“可用资产”的智能跨越

未来行业将走向平台化融合，分类分级将嵌入数据全生命周期，成为实时决策核心引擎，联动数据审计、脱敏、访问控制、风险监测等能力，实现毫秒级智能风控。某在线教育平台业务快速迭代，传统规则需人工滞后更新1-2周，而知源系统经少量人工复核后，可快速学习新型数据特征，同类数据识别准确率快速提升至95%以上，适配互联网、金融科技等高速迭代行业。知源-AI数据分类分级系统并非传统工具的简单迭代，而是行业范式革新，

天行健，君子而铎
2026-06-10 11:30:00

 179

 4

#分类 #人工智能 #数据挖掘
从零搭建卷积神经网络：基于PyTorch实现MNIST手写数字分类

MNIST数据集是深度学习领域的“Hello World”，它包含70,000张28x28的灰度手写数字图像，是入门图像分类任务的绝佳选择。本文将手把手带你使用PyTorch构建一个简洁而高效的卷积神经网络（CNN），完成对MNIST数据集的训练与评估。文章会逐步解读每一段代码的含义，从数据加载、模型构建、训练循环到测试评估，并结合完整的训练日志分析模型的收敛过程。最终我们的模型在测试集上达到了9

2401_88566519
2026-06-10 10:44:13

 499

 9

#cnn #pytorch #分类 +4
Java 程序员第 42 阶段14大模型实现合同摘要与合规校验，合同智能分类与归档策略

││草稿│││。││────▶战略合作││。│││ 已终止││。││ 审核中││已驳回││。

布吉岛的石头
2026-06-10 10:34:50

 217

 7

#java #分类 #开发语言
基于KNN的帕尔默企鹅种类预测分类

实验结果显示，当K=1时，模型在测试集上取得1.0000的准确率，三类企鹅的Precision、Recall和F1-score均达到1.00，混淆矩阵中没有误分类样本。虽然模型实际使用了四个特征，但二维可视化仍能帮助观察不同企鹅类别的分布情况：Adelie样本通常喙长较短，Chinstrap样本喙长较长且喙深偏大，Gentoo样本喙深相对较小，类别之间整体具有较明显的分布差异。根据实验结果，清洗后

 ZHW_AI课题组
2026-06-10 10:21:24

 413

 3

#分类 #数据挖掘 #人工智能 +1
数据分类分级新范式：从“合规枷锁”到“可用资产”的智能跨越

未来行业将走向平台化融合，分类分级将嵌入数据全生命周期，成为实时决策核心引擎，联动数据审计、脱敏、访问控制、风险监测等能力，实现毫秒级智能风控。某在线教育平台业务快速迭代，传统规则需人工滞后更新1-2周，而知源系统经少量人工复核后，可快速学习新型数据特征，同类数据识别准确率快速提升至95%以上，适配互联网、金融科技等高速迭代行业。知源-AI数据分类分级系统并非传统工具的简单迭代，而是行业范式革新，

Qzkj666
2026-06-10 08:45:00

 316

 6

#分类 #人工智能 #数据挖掘
【高频考点】二分类逻辑回归模型预测（梯度下降法）

cout<<fixed<<setprecision()四舍五入保留小数。

m0_57082284
2026-06-09 23:41:58

 224

 8

#分类 #逻辑回归 #c++ +1
数据分类分级新范式：从“合规枷锁”到“可用资产”的智能跨越

未来行业将走向平台化融合，分类分级将嵌入数据全生命周期，成为实时决策核心引擎，联动数据审计、脱敏、访问控制、风险监测等能力，实现毫秒级智能风控。某在线教育平台业务快速迭代，传统规则需人工滞后更新1-2周，而知源系统经少量人工复核后，可快速学习新型数据特征，同类数据识别准确率快速提升至95%以上，适配互联网、金融科技等高速迭代行业。知源-AI数据分类分级系统并非传统工具的简单迭代，而是行业范式革新，

QZ16656095159
2026-06-09 21:30:00

 196

 9

#分类 #人工智能 #数据挖掘
使用ResNet网络实现猫狗数据集分类

姓名:孙路炜性别：男西安工程大学电子信息学院，2025级研究生研究方向：医学分割电子邮件：2441065596@qq.com2．ResNet18网络架构介绍ResNet-18（残差网络-18）是深度学习和计算机视觉领域里程碑式的经典卷积神经网络架构.在深度学习的早期，研究人员发现了一个直观的规律：网络越深，层数越多，模型的表达能力就越强，准确率通常也越高。

ZHW_AI课题组
2026-06-09 20:16:09

 329

 4

#网络 #分类 #数据挖掘
广州大学《IT项目管理》2026年期末试卷及解答

本文是一份项目管理课程的考试试卷分析，包含以下内容：1. 题型分布：单选题、填空题、多选题、简答题、案例分析题和计算题。2. 重点题目解析：包括IPMA机构识别、WBS缩写、项目范围约束模型、需求管理标志等单选题；项目定义、范围管理、质量管理体系等填空题；软件质量特性、进度规划依据等多选题。3. 简答题分析项目利益相关者影响和变更代价曲线关系。4. 案例分析题指出需求获取不规范、变更管理缺失等问题

 YANKEESEAN
2026-06-09 16:40:57

 680

 7

#知识图谱 #集成学习 #分类 +2
基于深度学习YOLOv8的吸烟识别检测系统（YOLOv8+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv8目标检测算法构建了一个吸烟行为识别系统，旨在精准检测吸烟相关目标。模型共支持五类目标检测：香烟（Cigarette）、人体（Person）、烟雾（Smoke）、电子烟（Vape）以及吸烟动作（smoking），通过多目标协同检测提升吸烟行为识别的准确性与可靠性。该系统可应用于公共场所智能监控、安全生产管理等场景，实现对吸烟行为的自动化实时监测与预警。数据集共包含12,486张

 算法魔法师
2026-06-08 21:26:31

 42

#深度学习 #ui #开发语言 +3
基于深度学习YOLOv10的森林火灾烟雾识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv10目标检测算法开发了一套专注于森林与野外环境的火灾火焰及烟雾识别系统。模型采用YOLOv10进行训练，能够实现高精度、低延迟的实时火灾预警检测。系统针对森林、山区、草原等开阔野外场景中的早期火情进行监控，可有效识别两类目标：'fire'（明火火焰）和'smoke'（烟雾），适用于无人机巡检、固定监控点等多种部署环境。模型在复杂自然背景下仍能保持较高的召回率和准确率，显著提升了

 算法魔法师
2026-06-08 21:20:27

 124

 1

#深度学习 #ui #开发语言 +3
基于深度学习YOLOv10的火箭识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv10目标检测算法构建了一个专业的火箭发射过程多部件检测系统，专门用于识别火箭发射过程中的三个关键组成部分：发动机火焰（Engine Flames）、火箭箭体（Rocket Body）以及周围空间背景（Space）。系统通过对火箭发射场景的实时分析，能够精准定位并分类火箭本体及其产生的尾焰。该项目展现了YOLOv10在高速度、高精度目标检测任务上的优势，适用于航天发射场监控、视频

 算法魔法师
2026-06-08 21:15:57

 508

 3

#深度学习 #ui #开发语言 +3
基于深度学习YOLOv10的狗犬种识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv10目标检测算法开发了一个犬种识别系统，专门用于检测和分类六种常见犬种：比格犬（Beagle）、斗牛犬（bullDog）、柯基犬（corgi）、金毛寻回犬（goldenRetriever）、哈士奇（husky）和博美犬（pomeranian）。系统通过端到端的深度学习模型，能够实时地在图像或视频中定位犬只并准确判断其所属品种，可应用于宠物智能管理、犬只身份识别、兽医辅助诊断及动

 算法魔法师
2026-06-08 21:15:26

 536

 4

#深度学习 #ui #开发语言 +3
基于深度学习YOLOv10的骑手佩戴头盔识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv10目标检测算法，开发了一套专注于交通场景下骑手安全装备合规性检测的系统。模型共检测三类目标：佩戴的头盔（helmet）、摩托车车牌（license_plate）以及摩托车骑手（motorcyclist），类别数nc=3。该系统可同时对骑手、头盔及车牌进行实时定位，核心应用价值在于自动监控骑手是否按规定佩戴头盔，为智慧交通管理、违章自动执法及骑手安全督导提供有效的技术解决方案。

算法魔法师
2026-06-08 21:14:18

 221

 6

#深度学习 #汽车 #开发语言 +2
【机器学习】7 种分类模型实战（逻辑回归→随机森林→SVM→AdaBoost→朴素贝叶斯→XGBoost→神经网络）

在机器学习中，分类问题是最常见的任务之一。比如根据病人的各项指标判断病情等级、根据用户行为预测会员等级等。本文使用一个已经预处理好的多分类数据集（标签为 0、1、2、3），分别用 7 种经典的分类算法进行建模，并对比它们在测试集上的表现。本文以众数填充为例子。每个文件的第一列是标签（y），后面的列是特征（x）

m沐沐
2026-06-08 19:52:43

 618

 14

#机器学习 #分类 #逻辑回归 +4
强化学习(Reinforcement Learning, RL)的分类与深度解析

本文系统介绍了强化学习的基础理论、分类体系和核心算法。主要内容包括：1. 强化学习基础框架：基于马尔可夫决策过程(MDP)，阐述了状态空间、动作空间、状态转移概率、奖励函数和折扣因子等核心概念。2. 算法分类体系：基于价值的方法（如Q-learning、DQN）基于策略的方法（如REINFORCE） Actor-Critic混合方法（如A2C、PPO）3. 有模型与无模型强化学习：有模型方法

 fpga和matlab
2026-06-08 18:24:15

 267

 3

#分类 #人工智能 #数据挖掘
SuperPoint_CSDN

摘要：传统GIS面临矢量、栅格、TIN、点云四大数据模型互转导致的信息损失难题，以及坐标系碎片化、精度难溯源、时间维度缺失等结构性局限。2024-2026年，五大技术（3D高斯点云建模、地理空间基础模型、DGGS全球格网、车载LiDAR众包、LLM语义标注）的突破性进展指向了下一代时空统一数据模型——SuperPoint。它以带语义、精度和时间标签的空间点为基本单元，融合绝对坐标（x,y,z,t

m0_55992822
2026-06-08 18:21:41

 425

 8

#arcgis #机器学习 #自动驾驶 +3
评价标签分类的AI提示词怎么写才准确？从逻辑工程到Agent闭环的实战深度解析

文章摘要： 2026年大模型应用中，评价标签分类已从传统提示词工程升级为“逻辑工程学”，需通过结构化约束提升AI的语义解析能力。针对模糊语义、时效偏差和复杂语境等痛点，“三锚法”框架（目标锁定、硬性约束、示例引导）可显著提升分类准确率。实在Agent Claw-Matrix进一步融合TARS大模型与ISSUT技术，实现端到端自动化处理，准确率达99%以上，并适配本土化需求。未来，逻辑工程学与智能体

 企业Agent落地
2026-06-08 16:39:16

 165

 7

#人工智能 #分类 #机器学习
计算机毕业设计之基于机器学习的股票预测系统

随着全球金融市场的高速发展，股票市场已成为投资者关注的热点。然而，股票市场的波动性和不确定性给投资者带来了巨大的风险。如何准确预测股票价格走势，降低投资风险，提高投资收益，成为金融研究领域亟待解决的问题。本研究构建了一个基于机器学习算法的股票预测系统，旨在通过分析历史市场数据，预测股票的未来走势。系统采用了多种机器学习模型神经网络，并利用特征工程技术提取了影响股价的关键因素，如交易量、价格波动、宏

 2501_92338149
2026-06-08 15:05:32

 28

#机器学习 #人工智能 #深度学习 +2
计算机毕业设计之基于多维数据挖掘的全国天气可视化系统设计与实现

摘要：本研究设计并实现了一个基于多维数据挖掘的全国天气可视化系统，整合气象数据，通过聚类、分类等算法提取关键信息，并利用Echarts、D3.js等技术实现动态可视化。系统采用分布式架构，支持实时查询、历史分析及趋势预测，结合机器学习模型（如输入温度、湿度等预测空气质量），提供个性化服务。通过数据爬取、清洗优化及分层设计，确保高可用性与安全性。实际应用表明，系统在气象监测、预警及决策支持中效果显

 2501_92338149
2026-06-08 14:47:56

 138

 8

#数据挖掘 #人工智能 #深度学习 +2
浅谈：机器学习评价指标（二分类篇）

目标：P-R 曲线关注的是精确率和召回率之间的权衡，重点在于正例的预测准确性和发现率。而 ROC 曲线关注的是真阳性率和假阳性率之间的权衡，重点在于模型在不同阈值下对正例和负例的分类能力。敏感性：P-R 曲线更加敏感于正例样本的变化，尤其在正例样本较少的情况下，P-R 曲线可以更好地评估模型的性能。而 ROC 曲线更适用于每个类的观测数值大致相同的情况。除了 ROC 曲线的形状，可以计算每个模型的

 周末也要写八哥
2026-06-08 11:59:09

 216

 6

#机器学习 #分类 #人工智能
事实性冲突消解：如何在检索到矛盾文档时让 LLM 输出可信答案

文章摘要：当前企业级RAG系统面临的核心挑战是LLM在矛盾信息（如“药物有效率78% vs 92%”）下的不可靠决策，导致62%的AI项目因逻辑/事实错误失败。2026年成为“冲突消解RAG元年”，技术围绕三大冲突类型展开：内部vs外部知识冲突、外部证据间冲突、长上下文冲突定位。最新解决方案包括TCR框架（透明化冲突检测）、TruthfulRAG（知识图谱精准消歧）、ConflictRAG（高效

 AI 小团子
2026-06-08 11:17:15

 309

 8

#人工智能 #前端 #javascript +1
2026 中国数据分类分级系统市场现状及竞争排名调研报告

2026 年，中国数据分类分级系统行业已经走过野蛮生长的初级阶段，迈入规范化、智能化、场景化的成熟发展期。政策常态化监管、数据要素市场化改革构成行业长期增长底座，AI 技术迭代与信创改造成为两大核心发展主线。市场层面，头部综合厂商牢牢把握核心存量市场，垂直专精厂商在细分增量赛道持续突破，分层竞争格局稳定。技术层面，规则与 AI 深度融合、动态智能管控、轻量化私有化部署成为主流方向。虽然行业仍存在标

 KKKlucifer
2026-06-08 11:02:55

 303

 6

#分类 #大数据 #数据挖掘