Neural Archive 是一个基于 React Three Fiber 构建的沉浸式安全收容与检视终端，用于可视化和分析“神经元”系列高风险生物数字武器资产。项目通过程序化符印、叙事化 HUD 与多光谱分析模式，模拟军械库级别的神经链路与战术数据环境。整体设计强调氛围沉浸感与数据完整性，适合作为高概念 3D 可视化界面与实验性交互系统的参考实现。
基于原SED项目的改进版本，添加了Stanford Dogs数据集支持，优化适配CPU训练环境（无需GPU），更新了依赖管理，并提供详细的项目复现学习记录。
本项目是一个用于处理和准备图像分割数据集的工具集，主要包含了针对特定遥感图像数据集（如 DDXPlus 和 Vaihingen）的预处理脚本。这些脚本的核心功能是将大幅面的遥感图像及其对应的标签图，裁剪成适合深度学习模型训练的小块 (patches)。 通过将大图切分成小图，可以有效地增加训练样本数量，并使得数据能够以批次 (batch) 的形式高效地载入模型进行训练。该工具集对于从事遥感图像语义分割研究和开发的工程师与学者来说实用。
ResNet-Me 是一个基于 PyTorch 实现的深度残差网络 (ResNet). 本项目旨在为研究人员和开发人员提供一个清晰、易于使用和修改的 ResNet 模型，用于图像分类任务。ResNet 通过引入“快捷连接”或“跳跃连接”来解决深度神经网络中的梯度消失问题，从而能够训练更深的网络并获得更高的准确率. 该代码库实现了标准的 ResNet 架构
本项目是经典图像分割模型 U-Net 的 PyTorch 实现。U-Net 是一种专为生物医学图像分割而设计的卷积神经网络架构，由于其出色的性能和高效的结构，已被广泛应用于各种语义分割任务中，包括遥感图像分析、医学影像和常规照片分割等。 该代码库提供了一个结构清晰、易于理解和使用的 U-Net 模型，并附带了完整的训练和预测（推理）脚本，旨在帮助研究人员和开发者快速上手并将其应用于自己的数据集中。
基于SpringBoot3的大事件后端项目，集成MyBatis、MySQL与JWT认证，采用Redis优化登录流程，支持阿里云OSS文件存储。实现用户管理、文章分类及内容管理等核心功能，遵循RESTful规范，具备完善的数据校验与全局异常处理机制，为Java17环境下企业级后端开发的实践。
NaiLongVue3-elementPlus-quick 是一个基于 Vue 3 和 Vite 构建的奶龙管理单页小 demo，集成 Element Plus、Vue Router 和 Axios 等工具，提供奶龙及类型的增删改查等核心管理功能，代码结构清晰，支持快速启动开发环境与构建部署，适合作为小型管理类单页应用的快速演示模板。
一个基于 React + TypeScript 构建的高精度算法可视化平台，用动态图形展示 C++ 高精度加减乘除的底层执行过程。项目通过数组状态、指针移动、进位/借位等细节的实时可视化，并同步高亮对应的 C++ 代码行，让初学者能像看动画一样理解高精度运算。同时集成 Google Gemini AI，可为每一步生成自然语言讲解，是一款面向算法入门者的交互式教学工具。
