Project Experience
- 基于深度学习的设施化养殖鱼类摄食行为分析方法与系统构建
- 我对设施化养殖鱼类的摄食行为进行了详细的调查研究,分析鱼类摄食行为的特征,建立鱼类摄食状态和强度的指标体系和评价方法。
- 针对鱼类摄食强度评价问题,我将其分解成为目标检测和动作识别两个阶段。首先我改进了MMDetection模型对鱼类进行目标检测,然后使用SlowFast网络进行动作识别,完成这个分类的问题,并使用PyQt5设计实现GUI系统,我构建的系统能够进行模型选择、参数设置、输入选择和结果展示,改进后的模型检测准确率和召回率均有所提升。创新之处在于目标检测阶段使用YOLOX算法而不是YOLOv5算法,各个分类任务解耦从而单独预测,不再共享前一层参数。通过消融实验发现,解耦合检测头能加快模型收敛速度、提高检测精度。其次动作识别采用的是SlowFast网络,根据时间分辨率的不同,对鱼类进行动作识别,分别提取空间和时间信息,再将时空信息融合,相比双流法更为轻量、高效。
- 技术栈:MMDetection、MMAction2、YOLOX、SlowFast、PyQt5
- 树木精细三维建模和分析
- 我实地对一棵大树采集照片,运用 SFM三维重建方法进行建模,得到精细、准确三维模型,提取测树学参数。
- 处理过程中首先使用SIFT算法进行特征点检测与匹配,并使用选择式图像匹配策略,在图像对的特征匹配过程进行优化,减少特征匹配的时间成本,最后使用RANSAC方法去除误匹配。利用bundle adjustment约束求得精确的相机参数,并得到稀疏的点云模型。使用PMVS算法对稠密点云进行三维重建,在MeshLab优化处理后得到三维模型。
- 技术:visualSFM、Meshlab、Python
- 研究生培养环节和成果认定综合管理系统
- 作为项目成员,我负责的是研究生学术交流环节子系统模块。我完成了需求分析、业务逻辑设计、SQL语句编写、数据库实施等任务。通过使用Django技术,我成功实现了学生端关于学术交流的功能,包括申报学术交流情况和查看审批状态等功能。为研究生培养和成果认定提供了高效的管理解决方案。
- 技术:Django
- 射电望远镜主动反射面的最优调整
- 全国大学生数据建模竞赛2021年A题。我负责模型建立、求解以及编程的工作。针对反射面板的理想抛物面的确立问题,我们首先建立单目标优化模型,以接收区域面积s为目标函数,以促动器变化范围和原抛物线方程为限制条件,采用降维的方法将空间问题转化为平面问题,并采用最小二乘法拟合外围数据。随后根据观测天体的方位角和仰角,通过旋转矩阵法重建空间直角坐标系,并求出对应主节锁点坐标,在新空间直角坐标系中对有效接收范围曲面进行优化,最后依据旋转矩阵的逆变换得出原坐标系中的顶点坐标,解出理想抛物面方程。我们队伍获得了省级二等奖。
- 电子产品电商平台系统
- 前后端分离项目。该项目是基于VUE框架和SpringBoot技术的B2C模式平台,我作为组长带领组员完成了前台网上购物模块和后台用户管理模块。建立gitee远程仓库,建立开发、管理分支,完成项目页面UI设计和功能模块开发。
- 创新之处在于使用协同过滤算法实现商品推荐功能,通过用户-商品交互矩阵计算余弦相似度,衡量用户的行为相似度。
- 后端技术:SpringBoot、SpringSecurity、MyBatis
- 前端技术:Vue、Element、Axios