本项目针对纺织产线中布匹瑕疵种类多、目标小、背景纹理干扰强的问题,开发了一套基于深度学习的实时检测系统。 核心工作: 负责数据集构建与增强,针对反光、褶皱等难点进行专项优化; 改进 YOLO 算法主干网络,引入注意力机制提升对小目标瑕疵的特征提取能力; 完成模型在边缘端设
该模块用于河道及污水处理池的自动化巡检,通过摄像头实时分析水体状态,解决传统人工巡河效率低、覆盖面窄的问题。 核心工作: 设计多尺度特征融合网络,解决远距离拍摄下漂浮物目标极小的问题; 针对水面波光粼粼的动态背景,优化负样本挖掘策略,降低误报率; 输出结构化数据接口,对接
本项目针对遥感影像中目标尺度变化大、背景干扰强、小目标密集等挑战,研发了一套高精度检测算法。 核心工作: 设计自适应切片推理策略,解决超大尺寸影像显存溢出问题; 提出跨片目标去重算法,有效消除滑动窗口带来的重复检出; 引入旋转框检测头,适配遥感图像中任意方向排列的目标。
鼠标悬停或点击上方资质图片,可放大右下角二维码进行扫码验真。
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人