张小明
前端开发工程师
我最近完成了一个端到端的机器学习项目，其中我使用线性回归构建并部署了一个波士顿房价预测应用程序。
🛠️ 我的工作内容：
使用StandardScaler进行数据预处理和特征缩放
使用线性回归进行模型训练
使用pickle保存和加载模型
构建交互式Streamlit 用户界面
可视化特征重要性
在Streamlit Cloud上部署应用程序
这个项目让我获得了丰富的机器学习生命周期实践经验，不仅包括模型构建，还包括实际部署
《Pytho机器学习之预测温室气体排放 （教程含源码）》 权重1，机器学习
《3D系列教程之使用 Python 和 Meshroom 进行 3D 重建教程 快速学习通过照片创建3D模型，并掌握使用Python+Meshroom（摄影测量）生成点云》 权重2，Meshroom类、 Python类、点云类
《使用 Ollama 、 DeepSeek和QWEN的模型上下文协议 (MCP) ，使用本地 LLM 教程的 MCP 服务器》
YOLOFuse：让多模态目标检测真正“开箱即用” 在夜间监控画面中，一个模糊的人影悄然出现。可见光摄像头几乎无法辨识轮廓，而红外图像虽能捕捉热源，却难以判断其姿态与衣着细节——这正是单模态感知的典型困境。面对低光照、雾霾或…
李华
YOLOFuse训练耗时统计：不同融合策略的时间成本比较 在智能安防、自动驾驶和夜间监控等现实场景中，单一可见光图像在低光照或复杂气象条件下常常“失明”——行人隐没于黑暗，车辆轮廓被烟雾模糊。这时候，红外（IR&#…
李华
YOLOFuse性能实测：在低光烟雾场景下mAP高达94.7%以上 在城市夜间监控的实战中，你是否曾遇到这样的窘境？摄像头画面漆黑一片，行人轮廓模糊难辨，传统目标检测模型频频漏检。而与此同时，红外成像仪却清晰捕捉到…
李华
YOLOFuse：多模态目标检测的工程化实践与社区共建 在夜间监控场景中，你是否曾遇到这样的尴尬？摄像头画面一片漆黑，系统完全失效——不是设备坏了，而是环境太暗。可见光图像在这种条件下几乎无法提供有效信息，…
李华
YOLOFuse：让多模态目标检测真正“开箱即用” 在智能安防、自动驾驶和夜间监控等现实场景中，光照变化、烟雾遮挡常常让传统基于可见光的目标检测系统“失明”。一个摄像头拍不到，另一个红外传感器却看得清——这正是多模态融合的用武之地。而…
李华
YOLOFuse配置文件修改技巧：指向自定义数据集路径 在智能安防、自动驾驶和夜间监控等现实场景中，仅依赖可见光图像的目标检测系统常常面临低光照、烟雾遮挡或恶劣天气下的性能骤降问题。为应对这一挑战，多模态融合技术逐渐成为提升鲁棒性的主流…
李华