猿急送    128人浏览/31人投稿    1489天前    已托管赏金

一、需求描述 参照开源模型https://github.com/search?q=ultrasound+elastography以及相关文献，输入弹性超声动图(视频)，通过机器学习，分割目标并对目标的弹性进行分集。 在开源模型基础上，根据不同场景，做部分调优。 二、人才要求 熟悉机器视觉、深度学习、迁移学习等知识领域，掌握Resnet、Unet等模型，合作性好。 三、参考产品 https://github.com/search?q=ultrasound+elastography，选择公认较优的两种。 四、合作方式 项目制合作

猿急送    165人浏览/3人投稿    1489天前    已托管赏金

一、需求描述 参照开源模型https://github.com/echonet，输入心脏超声动图(视频)，通过机器学习，识别左心室的射血分数(EF)或短轴缩短率(FS)。 在开源模型基础上，根据不同场景，做部分调优。 二、人才要求 熟悉机器视觉、深度学习、迁移学习等知识领域，掌握Resnet、Unet等模型，合作性好。 三、参考产品 https://github.com/search?q=echocardiography https://github.com/echonet 四、合作方式 项目制合作

猿急送    448人浏览/50人投稿    1506天前    已托管赏金

一、需求描述 根据心脏超声动图(视频)，通过机器学习，识别急性右心衰(D字征)；识别左心室的舒张末内径(LVDd)和收缩末内径，计算左心室短轴缩短率；根据收缩运动中各心室壁向心（心室腔中点）运动的幅度，判断心室壁活动的异常。 二、人才要求 熟悉机器视觉、深度学习、迁移学习等知识领域，掌握Resnet、U-net等模型，有过医学图像处理经验，合作性好。 三、参考产品 超声心动图及AI识别，https://news.medlive.cn/xctmr/info-progress/show-172277_241.html 其他业界相关文献及资源。 四、合作方式 项目制合作。可分为两阶段

猿急送    437人浏览/7人投稿    1506天前    已托管赏金

一、需求描述 根据心脏超声动图(视频)，通过机器学习，识别急性右心衰(D字征)；识别左心室的舒张末内径(LVDd)和收缩末内径，计算左心室短轴缩短率；根据收缩运动中各心室壁向心（心室腔中点）运动的幅度，判断心室壁活动的异常。 通过有限样本，快速评估能达到的mAP范围。 二、人才要求 熟悉机器视觉、深度学习、迁移学习等知识领域，掌握Resnet、U-net等模型，有过医学图像处理经验，合作性好。 三、参考产品 超声心动图及AI识别，https://news.medlive.cn/xctmr/info-progress/show-172277_241.html 其他业界相关文献及资源

猿急送    221人浏览/38人投稿    1506天前    已托管赏金

一、需求描述 根据心脏超声动图(视频)，通过机器学习，识别急性右心衰(D字征)；识别左心室的舒张末内径(LVDd)和收缩末内径，计算左心室短轴缩短率；根据收缩运动中各心室壁向心（心室腔中点）运动的幅度，判断心室壁活动的异常。 本任务通过有限样本，采用网上公开的资源和模型，快速评估能达到的mAP范围。 二、人才要求 熟悉机器视觉、深度学习、迁移学习等知识领域，掌握Resnet、Unet等模型，有过医学图像处理经验，合作性好。 三、参考产品 https://github.com/search?q=echocardiography 超声心动图及AI识别，https://news.med

码市    341人浏览/34人投稿    1511天前    已托管赏金

功能简介基于现有代码的解决方案进行修改。采取分布式设计，一台业务主机对多台算力主机，socket加密通讯。不论用户支付还是试用，业务主机发送信息启动算力主机中的运算程序。算力主机开发环境Halcon18.11、VS2022、相机驱动（吹气功能属于相机IO）本项目基于深度学习的应用，采图可保存在算法主机本地，同时支持将算法主机的图片统一传输到业务主机。方便远程取图回公司训练。核心需求1.算法主机包含图像采集、视觉处理、结果输出（to业务主机、to 相机IO输出）统计存档 四项主要功能。建议从源码中剥离出算法代码（包括传统算法与深度学习）、调用相机的代码，将这部分代码部署到算法主机上。2.算法主机接收业务主机指令以后启动算法程序。算法程序主要使用多线程控制两台相机实时获取并处理图像，然后把图片和竹席片分类信息显示在算法主机屏幕上；3.算法程序需要加密，业务主机与算法主机之间的通讯需要加密，为防止算法代码泄露，算法程序应只能通过业务主机提供的信号去调用；数据通讯周期可配置；4.算法主机不得独立使用，算法主机工作必须由业务主机授权。5.业务主机主界面上显示：整机设备状态（正常、报警、停机等）；分机设备硬件（算法主机、io设备）状态；工作模式（采图、试用、付费等）；分级回传信息（算法主机编号、竹席片等级信息、算法耗时统计）6.业务主机紧急停机判断逻辑（防堵料）：在拍照前有布置传感器，如果传感器被触发，但相机未被触发拍照，即为发生堵料。额外需求1.业务主机主界面通过远程桌面（或者类似的不占用算力资源的形式）反馈每台算法主机显示的图片；要求整个项目完成时间不得超过10天，有意向者，可加微信详谈ID：TF17691076037；

人人开发    221人浏览/41人投稿    1511天前    已托管赏金

功能简介 基于现有代码的解决方案进行修改。 采取分布式设计，一台业务主机对多台算力主机，socket加密通讯。不论用户支付还是试用，业务主机发送信息启动算力主机中的运算程序。 算力主机开发环境Halcon18.11、VS2022、相机驱动（吹气功能属于相机IO） 本项目基于深度学习的应用，采图可保存在算法主机本地，同时支持将算法主机的图片统一传输到业务主机。方便远程取图回公司训练。 核心需求 1.算法主机包含图像采集、视觉处理、结果输出（to业务主机、to 相机IO输出）统计存档 四项主要功能。建议从源码中剥离出算法代码（包括传统算法与深度学习）、调用相机的代码，将这部分代码部署到算法主机上。 2.算法主机接收业务主机指令以后启动算法程序。算法程序主要使用多线程控制两台相机实时获取并处理图像，然后把图片和竹席片分类信息显示在算法主机屏幕上； 3.算法程序需要加密，业务主机与算法主机之间的通讯需要加密，为防止算法代码泄露，算法程序应只能通过业务主机提供的信号去调用；数据通讯周期可配置； 4.算法主机不得独立使用，算法主机工作必须由业务主机授权。 5.业务主机主界面上显示： 整机设备状态（正常、报警、停机等）； 分机设备硬件（算法主机、io设备）状态； 工作模式（采图、试用、付费等）； 分级回传信息（算法主机编号、竹席片等级信息、算法耗时统计） 6.业务主机紧急停机判断逻辑（防堵料）：在拍照前有布置传感器，如果传感器被触发，但相机未被触发拍照，即为发生堵料。 额外需求 1.业务主机主界面通过远程桌面（或者类似的不占用算力资源的形式）反馈每台算法主机显示的图片； 要求整个项目完成时间不得超过10天，有意向者，可加微信详谈ID：TF17691076037；

开源众包    303人浏览/35人投稿    1512天前    已托管赏金

基于已有解决方案进行修改。采取分布式设计，一台业务主机对多台算力主机，socket加密通讯。不论用户支付还是试用，业务主机发送信息启动算力主机中的运算程序。算力主机开发环境Halcon18.11、VS2022、相机驱动（吹气功能属于相机IO）本项目基于深度学习的应用，采图可保存在算法主机本地，同时支持将算法主机的图片统一传输到业务主机。方便远程取图回公司训练。1. 算法主机包含图像采集、视觉处理、结果输出（to业务主机、to 相机IO输出）统计存档 四项主要功能功能。建议从源码中剥离出算法代码（包括传统算法与深度学习）、调用相机的代码，将这部分代码部署到算法主机上。2. 算法主机接收业务主机指令以后启动算法程序。算法程序主要使用多线程控制两台相机实时获取并处理图像，然后把图片和竹席片分类信息显示在算法主机屏幕上；3. 算法程序需要加密，业务主机与算法主机之间的通讯需要加密，为防止算法代码泄露，算法程序应只能通过业务主机提供的信号去调用；数据通讯周期可配置；4. 算法主机不得独立使用，算法主机工作必须由业务主机授权。5. 业务主机主界面上显示：整机设备状态（正常、报警、停机等）；分机设备硬件（算法主机、io设备）状态；工作模式（采图、试用、付费等）；分级回传信息（算法主机编号、竹席片等级信息、算法耗时统计）6. 业务主机紧急停机判断逻辑（防堵料）：在拍照前有布置传感器，如果传感器被触发，但相机未被触发拍照，即为发生堵料。1.业务主机主界面通过远程桌面（或者类似的不占用算力资源的形式）反馈每台算法主机显示的图片；

码市    140人浏览/10人投稿    1525天前    已托管赏金

大概内容：现实场景配置摄像头实时拍摄输电线路，用深度学习目标检测算法（开源的直接用）进行检测，发现电线上有异物就记录下来此刻的场景，存到数据库中，并将异常信息传给系统和APP，做一个系统和APP把这些显示出来即可，具体的功能，界面的布局随意，只要有就行，功能只需保证“五脏俱全”即可。系统用C++做

猿急送    295人浏览/7人投稿    1530天前    已托管赏金

需求：一个简单的demo实现 使用Flink source，读取本地文件（该文件可以是csv，txt格式都可，只包含一列数据12000个浮点数），将该列数据读取之后，使用countwindow将12000个数分为2048个为一个窗口的数据，将分窗后的数据输入已经训练好的本地深度学习模型中（该模型的输入为float tensor，2048宽的一维数据，输出为0或1，一个二分类网络），最后将该结果（0或1）输入到mysql数据库内