Something about me
教育经历
南京工业大学 计算机科学与技术 email: zekai.yang@outlook.com github: https://github.com/zky-niuniu
项目经历
基于OpenMV和STM32系列单片机的人脸识别系统设计与实现
对Wider Face数据集进行数据预处理后,利用YOLOv5对输入图像进行目标检测, 将YOLOv5检测到的人脸区域裁剪并输入FaceNet模型进行特征提取,与数据库中的人脸特征向量进行特征匹配。该模型训练完成后,部署在STM32系列单片机中,使用OpenMV进行图像采集,且集成了红外线测温模块,实现实时、准确人脸识别的同时,进行人体温度测量的功能。经过优化,系统的人脸检测准确率达 92%,mAP 达 84%,同时支持蓝牙通信,实现与计算机的实时数据交互,在确保高识别精度的同时,提升了系统的可靠性与适用性。
基于SpringBoot、Vue 框架的学生宿舍管理系统
设计并开发面向管理员和学生的智能宿舍管理系统,满足不同角色的使用需求,提升管理效率与用户体验。采用前后端分离架构,后端基于 SpringBoot 构建 RESTful API,前端使用 Vue 结合 Axios 进行数据交互,确保系统的高效与稳定。采用模块化设计降低系统复杂度,实现学生信息管理、宿舍登记、维修报修、退宿/换宿等功能,并优化界面交互流程,使操作更加直观便捷,提高了系统的可维护性和用户满意度。
基于YOLOv8的井盖智能识别系统
采用爬虫获得井盖数据集,根据井盖状态对其进行四分类标注,采用yolov8对输入的井盖图像进行目标检测,使用分类损失、回归损失和目标置信度损失进行模型训练优化,提高识别准确率。使用streamlit库与NCNN框架分别部署于Web与Android端,确保了识别结果的实时可视化。尝试多种方法,较好地解决了Pytorch to NCNN的模型转化过程中出现的错误从而导致APP崩溃的问题。 •训练过程中四个分类的mAP均在0.82~0.94,总体mAP@0.5为0.82,表明模型在总体上有较好的表现,有较高的精度和召回率。针对复杂光照条件导致的误报问题,引入曝光度调整的数据增强策略,有效降低误报率,提高模型在不同环境下的鲁棒性,助力路政部门高效监测井盖异常,降低公共安全风险。
我的爱好
作为计算机学生,我热爱技术,乐于学习新知识,不断提升自己的能力中。