Python、Docker、Linux、Java、Unity、C、C++、Springboot、Git、深度学习、CV、GIS(geoserver、leaflets)、Pytorch、Vue、Html、JS、CSS、Flask、爬虫、FastAPI、Hadoop、Hive、Zookeeper、Mysql、PostgreSQL、模型训练、模型优化、数据集预处理、机器学习、OpenCV
基于YOLO的飞机识别
基于Unet的鱼排识别
基于Springboot的微信小程序商城项目
基于Docker部署geoserver管理发布数据
通过docker打包ngix以及jar包部署官网
基于Unity开发的贪吃蛇小游戏
基于Maxkb与Ollama部署本地DeepSeek模型并构建知识库的客服服务
基于改进Unet的遥感图像大棚识别
通过@media使网页端移动化
等
通过大量的阅读论文文献以及实验得出边缘分割网络以及地块分割网络,以此来完成测绘时的大棚自动提取,准确率可以达到80%,提取边缘精度较为完整,但能作为基础提取的数据,后续通过精修可以达到很好的提取效果。上传的图片为原图,分割后拼合的标签图,以及预测的边缘图像与对应拼合的预测图。
蛇的身体:可以是简单的几何形状(如矩形或圆形),或者更复杂的自定义图形。 食物:可以是一个小圆点或者任何吸引玩家注意的图标。 背景:游戏的背景图,可以是纯色或者具有一定图案的背景。 UI元素:包括开始按钮、结束游戏的提示、分数板、暂停菜单等。 蛇和食物的动画:如果需要,可