KiT:基于扩散 Transformer 的 K 线时间序列预测基础模型; KiT 是一个基于扩散模型的基础模型,面向 K 线(蜡烛图)预测。它在美股、中国 A 股与加密货币的数十亿根 K 线上训练, 覆盖从 1 分钟到 1 天的七种时间粒度,并在收益预测与波动率预测两项任务上均达到 SOTA 表现。
赵卫东-深度学习案例实战-项目3 ENSO(厄尔尼诺)预测深度学习项目 项目概述 本项目来源于 2021数知地球AI创新挑战赛——AI助力精准气象和海洋预测 晋级赛,旨在利用深度学习方法对 ENSO(厄尔尼诺-南方涛动) 事件进行预测。项目基于 CMIP 气候模式数据和 SODA 海洋再分析观测数据,通过多种深度学习网络架构预测 Nino3.4 指数,为气象和海洋预报提供智能化解决方案。
九江职业大学-24智应2班-第4组-项目8-全景照片拼接 cosplay角色扮演,完成实时线下直播开发,方便学生理解devops的整个过程,启发学生制作项目 扮演:张琪宣 李炜旭 彭江铭,这三个同学
九江职业大学-24智应2班-第三组-图像处理项目-项目3照片美化-图像转换 日常拍照后,通常会对照片进行后期美化处理:翻转摆正方向、旋转角度、画面平滑磨皮、增强画面锐度提升清晰度。 本项目实现简易照片美化小工具,集成翻转、旋转、平滑、锐化等功能,处理完成后保存美化图片。
九江职业大学-24智应3班-第一组-项目4 实时展示devops项目4 项目4:简易画图板
赵卫东-深度学习案例实战-项目4 基于卷积神经网络的食物音频分类项目(PyTorch 版) 本项目对 Kaggle「进食声音数据集」(20 类食物咀嚼声音)进行分类: 实验一用 librosa 提取 8 种音频特征图,分别送入 CNN / VGG 训练;实验二用梅尔频谱特征训练轻量 CNN。 原始代码基于 Keras / TensorFlow。已完整迁移为 PyTorch 实现。
九江职业大学-24智应1班-第四组-项目三 照片美化——图像变换 日常拍照后,通常会对照片进行后期美化处理:翻转摆正方向、旋转角度、画面平滑磨皮、增强画面锐度提升清晰度。 本项目实现简易照片美化小工具,集成翻转、旋转、平滑、锐化等功能,处理完成后保存美化图片。
复现:赵卫东-深度学习案例实战 简介 本仓库是对国家级一流本科课程《深度学习及其应用》配套实训教材的复现,教材提供的代码有bug,不能直接run,我在本地环境中实现了除了项目2以外的其他项目。项目2的数据已经过期,无法实现。 云端环境可参考使用:魔塔社区。 本仓库解决了:样本不均衡、模型调优、推理部署、边缘加速等工程问题,每个案例配套数据处理、模型搭建、实验指导,强调从业务问题出发设计解决方案。
赵卫东-深度学习案例实战-项目06 第6章-智能冰箱食材识别(YOLOX-Nano + OpenVINO) > 基于摄像头的冰箱食材目标检测:识别 20 类食材 → 判断「放入 / 取出」动作 → 更新库存 → > 补货 / 超期提醒 → Web 看板推送。
赵卫东-深度学习案例实战-项目13。 第 13 章 · 主副驾驶安全带检测(DAMO-YOLO) 本仓库是《深度学习案例实战》(赵卫东)第十三章的完整工程:在 DAMO-YOLO 上做 数据采集与标注、VOC→COCO 转换、尺度感知数据增强、迁移学习训练、精度评估, 部署到 ONNX / OpenVINO,并附带一个 Web 上传检测页面。
赵卫东-深度学习案例实战-项目12。 第12章-基于 DAMO-YOLO-S(TinyNAS)的单类别(`fishing`)垂钓行为检测工程化复现: 数据采集 → 标注转换 → 迁移学习微调 → COCO 评测 → 图片/视频推理 → ONNX/OpenVINO/INT8 边缘部署 → Web Demo。
九江职业大学-24智应3班-第三组-项目3: 日常拍照后,通常会对照片进行后期美化处理:翻转摆正方向、旋转角度、画面平滑磨皮、增强画面锐度提升清晰度。 本项目实现简易照片美化小工具,集成翻转、旋转、平滑、锐化等功能,处理完成后保存美化图片。
赵卫东-深度学习案例实战-项目11。 第11章 学生课堂行为检测 —— DAMO-YOLO 迁移学习 任务:用 DAMO-YOLO 检测大学课堂监控画面中的 6 类学生行为,完成「数据预处理 → COCO 转换 → 迁移学习 → 推理可视化 → 逐帧合成视频 → 精度评估」全链路。
赵卫东-深度学习案例实战-项目7。 第7章 - 集体照人脸识别(本地离线版) 基于 DamoFD 人脸检测 + CurricularFace 人脸识别 的集体照自动识人系统,对应教材《深度学习案例实战》第七章。全流程本地运行,不使用 ModelScope 在线数据集、不部署到创空间,仅从本地读取预训练权重。
九江职业大学-24智应3班-图像处理-第7组 项目二 图像打码——图像基本操作 OpenCV & Python 图像处理项目教程 了解图像的基础知识,包括分辨率和像素、图像类型、文件类型、视频和图像的关系。 学会图像与视频的读、写、显示等基本操作。 学会图像的像素访问、ROI区域设置、算术运算和位运算等基本操作。
手写数字识别mnist数据集训练,并使用fastapi做了api和前端可视化界面,方便用户实时手写数字并识别,使用了 MNIST Studio + TorchScript + FastAPI
24智应2班-第二组-项目二 图像打码——图像基本操作 OpenCV & Python 图像处理项目教程 了解图像的基础知识,包括分辨率和像素、图像类型、文件类型、视频和图像的关系。 学会图像与视频的读、写、显示等基本操作。 学会图像的像素访问、ROI区域设置、算术运算和位运算等基本操作。
赵卫东-深度学习案例实战-项目9。 -第9章:面向 智能售药机 的药品自动识别系统, 用 YOLOv5s 目标检测 + OCR 文字识别融合,解决纯目标检测"只能认训练过的类别"的问题:新增药品:不需要重新采集数据、不需要重训模型,靠 OCR 读出药盒品名即可完成识别。