我们正在开发一款基于规则的系统架构，旨在简化系统巡检报告的配置和生成。该系统通过组装参数的方式，可以快速定制多个城市的巡检报告。我们采用AI分析技术，直接将巡检结果反馈集成到文档中，提供详尽的巡检报告。 目前，项目正处于优化阶段，我们期待与对AI技术应用和系统自动化有热情的伙伴合作，共同提升项目的质量和效率。如果您对这一领域感兴趣，我们欢迎您加入我们的团队，一起推动这个项目的优化和发展。
企业知识库问答系统 - 基于 RAG 技术，支持多格式文档检索与问答
基于python的网页自动化工具。既能控制浏览器，也能收发数据包。可兼顾浏览器自动化的便利性和requests的高效率。功能强大，内置无数人性化设计和便捷功能。语法简洁而优雅，代码量少。
这是一个基于 Python 的数字图像处理实验项目，主要实现了多种图像处理效果，包括通道分离、特效处理和图像合成等功能。
使用Python和Tkinter创建一个简单的图形用户界面，可以调整图像的亮度和对比度，并显示调整后的直方图。
本项目使用Python和相关图形库（Tkinter, PIL, OpenCV）创建了一个用户友好的图像修复应用。用户可以在应用中导入图像，使用画笔工具绘制需要修复的部分，然后使用FMM或NS算法进行图像修复。
这个项目包含一个用于批量处理图像的应用，该应用可以从ZIP文件中读取图像，对图像进行随机变换，然后保存处理后的图像。
这个项目是一个文档扫描仪应用程序，使用Python编写。它可以帮助用户加载图片并裁剪文档，提供方便的文档扫描功能。
使用sklearn的KNN实现电影推荐应用
本项目使用FAISS库实现了基于K近邻的图像分类器。该分类器可以使用CPU或GPU进行训练，并支持两种特征提取方法：flat和vgg。用户可以选择使用sklearn或faiss库实现K近邻算法。
本项目使用gradio应用在 minist 上训练的最有 KNN 模型就行手写数字识别。
一个基于Django框架实现的图像相似性搜索网页应用。用户可以通过上传图片到网站，然后该项目会基于预训练的 VGG16 模型提取图像特征，并利用已有图库中的图像特征与上传图片的特征进行比较，计算相似度并呈现给用户。
本项目是一个基于Tkinter和OpenCV的目标检测应用程序，实现了摄像头和视频文件的实时目标检测。通过YOLOv8模型进行目标检测，支持定位、分割和姿势三种模型类型，以及不同模型大小。
此项目旨在对汉字图像进行处理与分割，提取单字并保存为单字图像。通过一系列图像处理技术，包括灰度化、二值化、形态学操作、边缘检测和轮廓提取，实现对汉字图像的分割。
这是一个基于 scikit-learn 的猫/狗二分类集成(Ensemble)示例工程，此仓库适合作为教学或小型原型使用，侧重于把图片扁平化后用传统机器学习方法（PCA + 多模型集成）来做分类
使用 Flask 接收上传图片，后端使用 scikit-learn 的 KMeans 提取主色（默认为 5 个），并把十六进制颜色返回给前端展示。
本项目基于 Pinecone 向量数据库和 scikit-learn 的 MNIST 手写数字数据集，实现了一个高效的 KNN 检索与手写数字识别系统，并提供了可视化 Web Demo。
