基于yolov5的车牌检测，模型进行了一定改进，已训练好模型，数据集为ccpd2020（也可以指定数据集），提供权重，代码，操作流程。支持车牌种类：蓝色单层车牌，黄色单层车牌，绿色新能源车牌，黑色单层车牌，白色警牌，军牌等，仅使用五千张左右图像训练集，模型精度高达95.7%。...

AI算法模板部署

人工智能-机器人晟心AI

AI落地、部署、移植、算法SDK方向具备工程落地的一些知识（C++、Makefile、cmake、编译相关、SDK），多参与一些实际项目攒攒经验，多熟悉一些常见的大厂造的部署轮子（libtorch、TensorRT、openvino、TVM、openppl、Caffe等），尝试转几个模型（ONNX）、写几个op（主要是补充，性能不要最优）、写几个前后处理、debug下各种奇葩的错误，让模型可以顺利在一些平台跑起来，平台可以在PC、手机、服务器等等；项目如下： 1.yolov5 python和c++版本的tensorRT部署，linux和windows，PC和Jetson都能运行，包含：1...

模型压缩

人工智能-机器人晟心AI

1.YOLOv5目标检测之模型压缩实战，yolov5、yolov3、Yolov4训练，跑通,精度提升、轻量化、剪枝都可以。包括各种结构改进，另外，接环境各种Cuda安装、Gpu环境安装、yolov5、Yolov4 、yolov3环境安装 2.labelimg打标签、voc数据集制作、txt转yolo格式等。txt、yolo转xml格式，excel转xml格式，xml转txt格式。目标检测yolox，图像分类，瑕疵检测等。 3.yolov3,yolov4,yolov5,yolox,faster rcnn目标检测 retinanet，efficientdet，ssd 行人检测，车船检测，水...

智能客服平台

人工智能-机器人依然

平台通过 AI 助理终端采集的多种感知信息，对其进行结构化和知识化加工。通过语义理解、形式化分析、自然语言处理等认知技术，辅以数据挖掘、机器学习等手段，帮助企业客户在获客、售前、售中、售后整个服务链条中采用统一的对话式 AI 应用来提升营销效率和用户体验。另外，平台提供企业定制化运营所需的各种工具。平台针对企业的痛点需求，主要提供三大能力：数据建模，业务建模以及数字化运营。...

医疗机器人

人工智能-机器人 _

计算机漏洞是在硬件、软件、协议的具体实现或系统安全策略上存在的缺陷，从而可以使攻击者能够在未授权的情况下访问或破坏系统。在计算机技术快速发展背景下，我国人民对计算机系统安全的重视程度不断提高。目前计算机安全问题包括系统漏洞、病毒入侵、人为操作不当及黑客攻击、网络安全管理系统不完善等，若是无法及时对其进行处理，势必会影响到计算机及网络系统的正常工作，从而造成严重的损失。为了应对计算机漏洞带来的严重安全问题，国内外采取了很多举措，建立安全漏洞数据库是其中一项。国内外的主要安全公司都有在使用的漏洞数据库，如CVE、NVD、CNVD、绿盟科技漏洞库等。其中CVE与NVD是最具影响力的安全漏洞数据库...

法律文书金额提取

人工智能-机器人 yx

法律文书金额实体提取，NLP实体提取任务。实际法律业务需求中，提取法律借贷判决文书中的本金、利息等金额字段通常都是由人工完成，费时费力。本项目结合NLP技术，提出基于BERT的法律借贷判决文书金额实体提取模型，实现十类金额实体的自动化提取。①设计TF-IDF+朴素贝叶斯分类方案，实现了对判决文本的初步筛选，提高了处理效率。②采用正则表达式进行金额实体的提取；对提取出的金额实体，根据其上下文构建分类特征，采用BERT+逻辑回归完成金额实体类别的分类，模型调优后加权准确率达到 93.5%；③测试与部署，与甲方负责人完成模块的测试、算法打包为docker部署到了服务器上。成果：软件著作权一项，交...

《疫情通报文本中涉疫地点的自动提取》

人工智能-机器人 yx

新冠疫情背景下，涉疫地点信息的整合公开对于疫情防控而言至关重要。然而，涉疫地点数据多以非结构化的方式出现在疫情通报网页上，在以往这项工作主要通过人工标注实现，不仅消耗人力而且效率低下。近年来，自然语言处理作为人工智能的一个重要领域得到了飞速的发展。因此，本文通过比较不同的方法，构建了基于自然语言处理技术的涉疫地点标注标注模型，以解决这个问题。...

目击报告预测二分类模型开发

人工智能-机器人 yx

研究背景：发动群众提交目击报告是防治亚洲大黄蜂的重要手段，然而大部分目击报告提交者缺乏对该物种的了解，报告中存在大量误报，如何从海量的目击报告中鉴别高可信报告是一个重要课题。本研究是从传播机理和报告特征出发，构建了报告优先级预测模型。工作与贡献：①基于亚洲大黄蜂的迁徙习性，基于高斯分布假设构建亚洲大黄蜂概率传播模型。②将目击报告最优优先级排序的问题建模为一个分类、预测的问题。提取构建目击报告中的多种丰富的特征；基于这些特征，构建基于逻辑回归算法的分类模型来预测报告可信度；引入加权损失因子来解决样本不平衡问题。③量化考虑报告之间的印证影响，来最终确定报告的优先级排序。在基准测试集上，我们...

多剪裁率网络通道剪枝

人工智能-机器人 yx

Conditional Automated Channel Pruning for Deep Neural Networks - 一作 2020年08月 - 2021年05月研究背景：通道剪枝是模型压缩中的一种重要方法。然而在多剪裁率问题下，现有传统剪枝方法对于不同的剪裁率需要进行独立、重复的搜索，费时且不必要。本研究旨在解决传统自动化通道剪裁算法的在多剪裁率条件下的重复性问题。工作与贡献： ①将条件化通道剪裁问题形式化为一个马尔科夫决策过程的问题(MDP)，设计对应的状态空间、动作空间。 ②针对MDP问题的求解，设计基于DDPG算法的深度强化学习求解框架。...

基于分级特征编码Huber回归的新冠预测

人工智能-机器人 yx

《基于分级分类特征编码和Huber回归的新冠确诊人数预测模型》- 队长 2020年10月项目描述：第六届中国健康信息处理会议的新冠预测评测竞赛（CHIP2021），给定三个区域的确诊病例时序数据和区域性特征数据，要进行未来7天每天新冠确诊人数的预测。本项目提出基于分级分类特征编码和Huber回归的预测模型。个人职责：①数据异常值清洗；设计防控措施分级分类特征编码的方案，解决该部分文本特征难以数值化的问题；②综合实验分析对比多种模型，最终选定的模型大大降低模型拟合对数据异常值的敏感度；成果：该赛道的第一名，并进行了会议口头报告...