Important
首先恭喜你找到了我，你的踩坑之路到我这里结束了。
我将带给你最好的质量、效率、服务，助你上岸一臂之力。
提前预祝我们合作愉快！
高端题目适合学习要求比较严格同学实用，题目可以自定义，以下仅为推荐
| 量产版 | 微订制版 |
|---|
| 模型/技术 | CNN系列（ResNet、VGG、AlexNet）、Vision Transformer、EfficientNet、MobileNet | 注意力机制、多尺度特征融合、自定义损失函数、数据增强技术 |
| 难度特点 | 直接使用传统模型，训练模型后调用 | 需要在基础模型上添加改进技术，进行模型优化和调参。也就是优化传统模型 |
| 推荐题目 | 1.基于ResNet的垃圾分类识别系统2.基于EfficientNet的植物病害检测3.基于Vision Transformer的服装风格分类器4.基于MobileNet的食物热量估算5.基于VGG的交通标志识别 | |
| 量产版 | 微订制版 |
|---|
| 模型/技术 | YOLO系列（YOLOv5/v8等）、Faster R-CNN、SSD、RetinaNet | 注意力机制、非极大值抑制（NMS）优化、Anchor-free检测、FPN特征金字塔 |
| 难度特点 | 使用成熟的检测框架，和图像分类类似，直接使用传统模型代码去训练，再调用 | 需要在基础模型上添加改进技术，和图像分类一样，也是优化传统模型 |
| 推荐题目 | 1.基于YOLOv8的智能停车场管理2.基于YOLOv5的安全帽佩戴检测3.基于Faster R-CNN的商品货架监控4.基于SSD的道路车辆计数5.基于RetinaNet的人脸口罩检测 | |
| 量产版 | 微订制版 |
|---|
| 模型/技术 | U-Net、Mask R-CNN、FCN、SegNett | 注意力机制、多尺度特征融合、DeepLabV3+、PSPNet |
| 难度特点 | 使用经典分割网络，主要是像素级标注和模型训练，相当于"像素级的分类任务"，更细致的图像分类。 | 需要处理复杂的分割场景，理解不同尺度的特征融合，优化分割边界的精度。就是优化基础模型 |
| 推荐题目 | 1.基于U-Net的医学图像器官分割2.基于Mask R-CNN的人像抠图工具3.基于FCN的卫星图像土地分类4.基于SegNet的道路分割导航5.基于U-Net的细胞图像分割 | |
| 量产版 | 微订制版 |
|---|
| 模型/技术 | SORT、DeepSORT、卡尔曼滤波、IOU匹配 | YOLO+DeepSORT |
| 难度特点 | 使用现成的跟踪算法，进行追踪目标 | 多模型使用，使用检测模型识别出目标是什么，再进行追踪 |
| 推荐题目 | 1.基于DeepSORT的体育比赛球员跟踪2.基于SORT的野生动物行为监测3.基于卡尔曼滤波的交通流量分析4.基于IOU匹配的仓库货物跟踪5.基于DeepSORT的人员轨迹追踪 | |
| 量产版 | 微订制版 |
|---|
| 模型/技术 | OpenPose、HRNet、PoseNet、MediaPipe | LSTM+检测模型、关键点回归、时序动作识别、3D姿态估计 |
| 难度特点 | 使用现成的姿态估计库，进行姿态估计 | 额外处理时间上的联系，分析连续动作，涉及更复杂的姿态理解和动作分类 |
| 推荐题目 | 1.基于OpenPose的健身动作指导2.基于MediaPipe的手语识别系统3.基于HRNet的舞蹈动作评分4.基于PoseNet的康复训练监测5.基于OpenPose的体感游戏控制 | |
| 量产版 | 微订制版 |
|---|
| 模型/技术 | 商业API调用（百度、讯飞、阿里云），使用经典音频分类模型，主要是特征提取和模型训练 | 注意力机制、多尺度特征融合、对抗训练、数据增强、端到端优化 |
| 难度特点 | 直接调用现成的语音识别和合成API；使用经典音频分类模型，主要是特征提取和模型训练 | 需要组合多个处理模块，处理复杂的任务；进行模型架构优化和特征工程改进 |
| 推荐题目 | 1.基于百度语音API的智能客服机器人2.基于讯飞语音API的语音备忘录3.基于CNN的语音情感分类4.基于LSTM的说话人识别5.基于Transformer的音乐风格分类 | |
| 量产版 |
|---|
| 模型/技术 | LSTM、CNN、BERT基础版、TextCNN、预训练词向量 |
| 难度特点 | 使用现成的文本分类模型，主要是文本预处理和模型微调，像"文本版的分类器" |
| 推荐题目 | 1.基于BERT的商品评论情感分析2.基于TextCNN的新闻文章分类3.基于LSTM的社交媒体舆情监测4.基于预训练模型的文档自动摘要5.基于CNN的垃圾邮件过滤 |
| 量产版 | 微订制版 |
|---|
| 模型/技术 | 调用API（通义千问、ChatGLM、GPT-3.5）、简单的模型部署 | 多模型集成、API组合调用、模型微调、RAG检索增强 |
| 难度特点 | 重点在于应用层面的复杂程度，就是相对简单地使用这些模型 | 需要组合多个大模型，进行模型定制化，处理复杂的多模态任务 |
| 推荐题目 | 1.基于GPT API的智能写作助手2.基于ChatGLM API的代码生成工具3.基于通义千问API的智能问答系统4.基于大模型API的文档翻译工具5.基于大模型API的创意内容生成 | |
