分类标签_AI Agent技术社区

分类

Agent = Model + Harness：为什么说Harness是决定Agent成败的关键？

过去一年，AI Agent从技术概念走向工程落地。但很多人仍然把注意力集中在“用哪个模型”上——换更强的模型、写更长的提示词，仿佛模型就是Agent的全部。但实际开发过Agent 的人，大概率会认识到，这并非事实。

大靠山
2026-08-22 10:45:00

 400

 8

#人工智能 #分类 #数据挖掘 +1
基于深度学习YOLOv12的垃圾分类识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习目标检测模型YOLOv12的垃圾智能分类系统，旨在实现高效、精准的垃圾识别与分类。系统针对10类常见垃圾（包括电池、衣物、玻璃、金属、塑料等）进行检测，采用自构建的YOLO格式数据集，包含训练集（9909张）、验证集（977张）和测试集（486张）。通过YOLOv12模型结构，系统集成用户友好的UI界面，支持登录注册功能，便于用户交互与数据管理。实验结果表明，该系统在实时

 算法魔法师
2026-06-15 14:49:28

 190

 7

#深度学习 #分类 #python +2
Agent 面试，项目是 20 分，讲项目是 80 分

近一年我帮人改过上百份带"Agent 项目"的简历，模拟面试也做了不少场。一个让我自己都意外的发现：项目做得不错但讲得很差的人，几乎拿不到 offer。同样的项目讲清楚的人，反而能拿到手软。

大靠山
2026-05-27 20:49:55

 388

 11

#面试 #职场和发展 #人工智能 +2
Python 自动化之批量重命名与智能文件分类

电脑用久了，桌面和下载文件夹总会变得一团糟。用 Python 写几个脚本，一键重命名、按类型归档、清理重复文件。

张老师技术栈
2026-07-13 20:34:12

 288

 7

#python #自动化 #分类
基于YOLO26深度学习的水下生物识别检测系统（海胆、海参、扇贝、海星、水草）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）

水下生物识别是海洋生态监测与渔业资源管理的关键技术。本研究构建了一个基于YOLO26的水下生物目标检测系统，针对5类典型水下生物（海胆、海参、扇贝、海星、水草）进行自动识别与定位。系统采用5320张训练图像、1520张验证图像和760张测试图像进行模型训练与评估。本文详细阐述了研究背景、数据集构成及当前技术瓶颈，为后续数据修复与模型优化提供基础。类别索引英文名称中文名称生态/经济意义0echinu

BQAIT
2026-06-25 13:58:22

 29

#深度学习 #python #人工智能 +2
python基于聚类的智能客服问题分类系统

本文提出了一种基于聚集的智能客服问题自动分类系统，采用Python开发，集成K-means聚类算法与文本处理技术。系统通过TF-IDF/Word2Vec实现文本向量化，结合改进的K-means算法（最优K=15）达到89.7%的F1-score，较传统方法提升5%-8%。实际应用中，系统自动处理率达75%，人工转接减少40%。采用四层架构设计，支持MySQL/MongoDB混合存储，提供PyQt5

weixin 346127357
2026-02-17 21:56:21

 371

 3

#python #聚类 #分类
基于深度学习YOLOv8的水果分类检测系统（YOLOv8+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv8目标检测算法，开发了一套高效、精准的水果自动分类检测系统，能够实时识别并分类六种常见水果：苹果（Apple）、香蕉（Banana）、芒果（Mango）、橙子（Orange）、菠萝（Pineapple）、西瓜（Watermelon）（nc=6）。系统采用深度学习技术，在自建数据集上进行训练和优化，该数据集包含1007张标注图像，其中训练集768张、验证集129张、测试集110张

 算法魔法师
2026-06-24 14:00:29

 143

 4

#深度学习 #分类 #python +2
闪电智能 Voice Agent 能从声音里判断 MBTI 吗？从语音特征到沟通策略的研究框架

VASI 的第一步不是训练一个更会“看人”的模型，而是限制系统可以做什么。它可以根据当前语音、对话和业务状态，选择更合适的沟通方式；它必须承认不确定性；用户一旦明确表达偏好，系统就要让位。高风险场景里，它更应该把问题交给人工，而不是证明自己有多聪明。最终，系统输出不该是“这个用户是什么类型”，而应是：在当前证据和风险边界下，我为什么选择这样说话；如果你不喜欢，我可以立刻换一种方式。

怪奇云呼军
2026-07-22 10:43:48

 651

 27

#人工智能 #职场和发展 #分类
Python 医疗心脏病预测分类实战：逻辑回归 / 决策树 / 随机森林 / XGBoost/SVM 全模型对比

本文基于心脏病医疗数据集开展二分类预测实战，完成数据清洗、EDA 可视化、特征标准化等预处理，筛选关键生理指标作为模型输入。封装统一评估函数，对比逻辑回归、SVM、决策树、随机森林、XGBoost 五类算法，通过混淆矩阵与 ROC-AUC 衡量性能。实验表明线性模型效果一般，树集成模型随机森林、XGBoost AUC 达 0.99，拟合与泛化能力最优，适合医疗辅助诊断，文末给出优化拓展思路。

321480
2026-06-23 14:36:09

 235

 3

#python #分类 #逻辑回归
【实战迁移指南】BaoStock 历史数据不全且停更？高性能 Python 股票行情接口推荐与无缝迁移

📌 摘要针对 BaoStock 数据缺失、维护不足、登录繁琐等问题，推荐使用高性能量化数据 SDK QuantDash（pip install quantdash）。QuantDash 原生支持 Pandas，提供服务器端无缝复权计算，统一多市场标的格式（如 600519.SH），支持 A 股、港股、美股等市场。开发者仅需 3 行代码即可高效获取历史 K 线和实时盘口数据，性能提升 10 倍以

 quantdash_cc
2026-08-12 20:48:20

 674

 20

#python #开发语言 #分类
基于深度学习YOLOv11的铁轨轨道缺陷检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本项目旨在构建一套基于深度学习的铁轨轨道缺陷自动检测系统，利用YOLOv11目标检测算法对铁路轨道表面的缺陷进行实时识别与定位。数据集涵盖四类常见缺陷类型，分别为剥落（Spalling）烧伤（Wheel Burn）挤压变形（Squat）及波浪磨耗（Corrugation），共计训练集1916张、验证集240张、测试集240张。系统在数据预处理阶段采用图像增强与归一化方法，以提升模型的泛化能力。在模

 算法魔法师
2026-06-15 14:56:13

 210

#深度学习 #ui #python +2
OPAR循环：Agent的迭代执行心脏——从Observe到Plan到Act到Reflect的闭环控制流

让我们回到开头那个机票预订的问题。现在你应该能看懂了：Agent不是一次性回答你，而是启动了它的OPAR循环——Observe：读取你的请求，发现涉及航班、积分、时间三个维度；Plan：制定四步计划（搜航班→查积分→筛选→预订），附带"如果积分不足则切换现金"的退出条件；Act：调用搜索API，拿到10个航班结果；Reflect：发现最便宜的结果违反时间约束，输出REPLAN；回到Observe：

LIUDAN'S WORLD
2026-05-15 21:32:40

 345

 6

#迁移学习 #分类 #transformer
个性化 LLM Agent 不是“加个用户画像“那么简单：这篇综述把四维能力分类法定清楚了

这篇2026年的论文《Toward Personalized LLM-Powered Agents》系统探讨了AI智能体的个性化实现路径，提出了一个四维能力框架：用户画像建模（Profile Modeling）、记忆管理（Memory）、自适应规划（Planning）和行动执行（Action Execution）。研究指出，真正的个性化需要贯穿整个决策链路，而不仅是调整生成层输出。论文揭示了当前A

qcx23
2026-06-25 23:53:16

 512

 5

#分类 #人工智能 #数据挖掘 +1
基于深度学习YOLOv10的吸烟识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv10目标检测算法开发了一套高性能吸烟行为识别系统，主要用于实时检测吸烟相关目标。模型采用nc=5的五分类架构，能够精准识别香烟（Cigarette）、人员（Person）、烟雾（Smoke）、电子烟（Vape）和吸烟动作（smoking）五大关键目标。系统通过多目标关联检测技术，不仅能识别吸烟相关物体，还能结合人员与香烟/电子烟的交互状态进行行为判断，可部署于安防监控、智能巡检

 BQAIT
2026-02-23 12:33:30

 421

 11

#深度学习 #ui #目标检测 +3
基于Python实现上下消化道病历分类

读取train or val or test文件，遍历每条，每条的每个字都会计算出一个score值，0 ≤ socre ≤ 1，然后设置一个门限值，将score大于该门限值的字，或多个字连在一起组成的词抽取出来，放入一个数组，最后统计该字or词出现的frequency，排序。参数量为bert_base的十分之一，模型大小也十分之一；使用warmup调整学习率，0～1000步时，学习率从0线性增加到

 神仙别闹
2026-04-28 10:14:13

 304

 7

#python #分类 #开发语言
基于深度学习的垃圾分类检测系统（yolo26、yolo12、yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集）2027毕业版

本项目基于PyQt5构建了简洁易用的图形用户界面，支持用户选择本地图片或视频进行目标检测。系统界面美观，交互流畅，具备良好的用户体验。项目附带完整的 Python 源码和详细的使用说明，适合学生进行学习或有一定 Python 基础的开发者，参考与二次开发。您可以在文末获取完整的代码资源文件。✨ 项目亮点🔧包括pyqt5界面、后台检测逻辑、模型加载等模块🧠源代码，支持个人添加改进、模型修改等🚀

Python图像识别
2026-07-14 11:51:50

 281

 4

#深度学习 #分类
PyTorch和torchvision为例，如何使用预训练的ResNet模型来训练水稻虫害分类数据集 14类从数据准备到模型训练、评估全流程

本文介绍了使用PyTorch和预训练ResNet模型进行水稻虫害分类的全流程。针对包含14类8417张图像的数据集，详细说明了从数据准备到模型训练的步骤：首先组织数据集结构，然后通过数据增强和ImageFolder加载数据；接着定义基于ResNet18的模型架构，修改最后一层适配14类分类任务；最后展示了完整的训练流程，包括损失函数、优化器设置以及训练验证循环。该方法通过迁移学习技术，能有效实现水

 DeepLearningYolo
2026-04-13 17:42:24

 341

 10

#pytorch #分类 #人工智能
016、Head结构改进（一）：解耦头设计与分类-回归任务分离

摘要本文探讨了YOLO目标检测模型中耦合头与解耦头的性能差异及改进方案。作者通过工业缺陷检测场景中的定位偏差问题，发现分类和回归任务对特征需求存在本质差异：分类需要高层语义特征，而回归依赖精确空间信息。文章详细展示了从耦合头到解耦头的代码改造过程，包括中间共享层设计、objectness分离等关键点，并提供了分阶段训练策略。实测显示解耦头在复杂分类场景效果显著，但会增加30%-40%计算量。最后

 xiaoyaohou11
2026-04-14 09:29:25

 320

 4

#分类 #回归 #数据挖掘
# BERT在中文文本分类中的实战优化：从基础模型到高效部署BERT（Bi

BERT（Bidirectional Encoder Representations from Transformers）自发布以来，已成为自然语言处理领域的里程碑式模型。它通过双向上下文建模，显著提升了文本理解能力。本文将围绕 BERT在中文文本分类任务中的实际应用与性能优化展开，结合真实项目经验，分享如何从零搭建一套高精度、低延迟的中文文本分类系统。传统方法如SVM或LSTM对语义依赖建模有

 名字没想好，先叫这个吧！
2026-04-14 23:25:00

 250

 4

#bert #分类 #人工智能 +2
021、损失函数改进（三）：Distribution Focal Loss与不确定性建模

本文探讨了目标检测中不确定性建模的重要性，通过Distribution Focal Loss（DFL）改进传统方法的局限性。作者分享了DFL的实现细节，包括离散锚点设计、双线性加权损失计算等关键点，并指出训练中的常见陷阱（如初始化、标签平滑等）。DFL不仅能输出预测期望值，还能提供方差作为不确定性度量，可应用于动态阈值调整和加权NMS等场景。实验显示该方法在复杂光照条件下提升mAP 3.2%。文章

 xiaoyaohou11
2026-04-15 08:58:48

 401

 9

#分类 #回归 #数据挖掘
毕设项目基于深度学习的新闻文本分类算法系统(源码+论文)

本文介绍了一个基于深度学习的新闻文本分类算法系统，针对传统毕业设计创新不足的问题，提供了完整的毕设参考方案。项目采用CNN模型实现中文新闻文本的多标签分类，通过数据收集、中文分词、去停用词等技术处理文本数据，构建了包含训练和预测两阶段的分类流程。系统实现了良好的分类效果，具有3分难度、3分工作量和4分创新性的综合评分。项目提供完整源码和上万字设计论文，可作为优质毕业设计参考范例。

DanCheng-studio
2026-04-16 16:49:57

 255

 5

#分类 #python
带标注的夜视拍摄的汽车，自行车，人分类识别数据集，识别率69.2%，10228张图，支持yolo，coco json，voc xml格式,文末有模型训练代码

带标注的夜视拍摄的汽车，自行车，人分类识别数据集，识别率69.2%，10228张图，支持yolo，coco json，voc xml格式,文末有模型训练代码。

前网易架构师-高司机
2026-04-17 13:30:31

 355

 8

#汽车 #分类
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究附Matlab代码

随着新能源并网、电力电子设备普及以及非线性负荷激增，现代电力系统中电能质量扰动问题日益突出，电压暂降、暂升、谐波、振荡等扰动类型频发，严重影响电力系统安全稳定运行和用电设备正常工作。准确、高效的电能质量扰动分类是扰动治理、故障定位及电力系统优化的前提。针对传统扰动分类方法抗干扰能力弱、特征提取不充分、分类精度不足等问题，本文提出一种融合离散小波变换（Discrete Wavelet Transfo

Matlab学术达人
2026-04-23 21:28:05

 349

 5

#分类 #matlab #数据挖掘
基于深度学习分类的时相关MIMO信道的递归CSI量化附Matlab代码

在频分双工（FDD）MIMO（5G/6G Massive MIMO 主流）中，基站必须获取精确的下行信道状态信息（CSI，即信道矩阵 H 的子空间）来做预编码 / 波束成形，才能最大化频谱效率。但 CSI 是高维复数矩阵（如 64 天线 ×4 流，维度极高），直接反馈会导致反馈开销爆炸、量化复杂度指数级上升—— 传统单阶段 Grassmannian 量化（子空间量化主流），码本大小随天线数指数增长

 Matlab科研工作室
2026-04-26 20:51:04

 349

 11

#深度学习 #分类 #matlab
食物分类2

pred_max, pred_value = pred_soft.max(1)#pred_max记录的是概率，pred_value 记录的是下标。elsex中有数据，即半监督数据集中有数据，则flag=True，把x存入X中（self.X =np.array(x)）也存Y ，self.Y = torch.LongTensor(y)。记录所有的pred_max, pred_value，然后遍如果p

m0_74827760
2026-04-17 17:05:59

 206

 8

#分类 #数据挖掘 #人工智能
图像分类任务

xi = np.zeros((len(file_list), HW, HW, 3), dtype=np.uint8)#(数量，高，宽，3) → 专门用来存一摞图片的数组！3.读数据函数：if半监督读取文件夹里所有图片，并建立一个可以存储图片信息的张量（Xi），遍历所读取的图片信息，把path，img组合起来，修改图片大小为固定值，把图片依次存入Xi中。def __init__(self, path

m0_74827760
2026-04-17 16:09:02

 236

 4

#分类 #python #机器学习
实战指南 | 基于EEGNet与MNE-Python的脑电信号分类项目全流程解析

本文详细解析了基于EEGNet与MNE-Python的脑电信号分类项目全流程，从环境配置、数据准备到EEGNet模型架构设计与实现，再到完整项目实战与常见问题解决。通过实战案例，帮助开发者快速掌握脑电信号分类技术，适用于神经科学和脑机接口研究。

weixin_30920597
2026-04-18 03:07:03

 298

 3

#神经网络 #分类
深度学习篇---分类模型训练过程中涉及的所有“维度”概念以及流程的动态变化

深度学习训练中的维度变化可分为数学维度和工程维度。数学维度描述数据张量在模型各层中的形状演变，从高维像素空间逐步压缩到低维语义空间；工程维度则涉及训练流程中的超参数调控，包括批次大小、学习率等。理解这两类维度的协同作用，是掌握深度学习训练逻辑的关键。模型训练本质上是寻找从输入空间到语义空间的最优映射路径，涉及数据维度的压缩、参数维度的优化以及流程维度的循环迭代。

Ronin-Lotus
2026-04-18 21:43:47

 219

 4

#深度学习 #分类 #人工智能
基于PyTorch的Oxford-IIIT Pet宠物品种细粒度分类：全流程实战指南

本文基于PyTorch框架，针对Oxford-IIIT Pet数据集（37种宠物品种）实现细粒度图像分类任务。通过构建深度CNN模型（4层卷积块+全连接分类器），采用数据增强、BatchNorm、Dropout等优化策略，结合学习率调度和早停机制，最终达到95%以上的测试准确率。项目涵盖完整流程：数据预处理（差异化训练/验证集增强）、模型设计与权重初始化、训练可视化、评估分析等，为细粒度分类任务提

 exphigh
2026-04-19 22:59:34

 387

 7

#pytorch #宠物 #分类
【完整源码+数据集+部署教程】垃圾桶垃圾分类检测系统源码 [一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]

【完整源码+数据集+部署教程】垃圾桶垃圾分类检测系统源码 [一条龙教学YOLOV8标注好的数据集一键训练_70+全套改进创新点发刊_Web前端展示]

飞翔的佩奇
2026-04-20 11:34:17

 431

 8

#分类 #前端 #目标跟踪 +2