张小明
前端开发工程师
2024-2025秋季学期
(1) 第9-10周：确定项目主题，搜集相关资料，进行行业调研。
(2) 第11-12周：明确项目实施计划，撰写并提交开题报告。
(3) 第13-16周：深入学习深度学习技术，包括YOLOv8目标检测算法及SORT/Deep SORT跟踪算法。
(4) 第17-18周：构建基于YOLOv8的目标检测模型，并集成SORT/Deep SORT算法实现目标跟踪功能。
2025-2026春季学期（假设项目延续至下一学期）
(1) 第1-3周：从野外监控视频中提取野生动物特征，输入至已构建的深度学习模型中进行训练与优化。
(2) 第4-6周：将测试数据集输入至训练完成的模型中，对跟踪结果进行验证，分析YOLOv8与SORT/Deep SORT算法在实际应用中的表现。
(3) 第7-8周：根据项目当前进展及要求，撰写并提交中期研究报告。
(4) 第9-12周：进行整体系统测试，对算法及模型进行进一步优化与完善。
(5) 第13-14周：完成系统设计与实现，撰写毕业论文初稿。
(6) 第15-16周：对毕业论文进行修订与完善，准备并提交毕业答辩材料。
华北理工大学本科生毕业设计开题报告题目： 学 院： 专 业： 班 级： 姓 名： 学 …
)
李华
本科生毕业设计（论文）任务书学院人工智能学院专业通信工程班级20通信4学生姓名起止时间2024年11月—2025年6月毕设题目主要研究目标1.系统稳定性：系统应能稳定运行，实时处理视频流，并准确追踪人脸和检测心率。2.心率检…
李华
第一章：Open-AutoGLM 本地部署的核心价值 将 Open-AutoGLM 部署于本地环境，不仅保障了数据隐私与系统可控性，更赋予企业对大模型应用的深度定制能力。在金融、医疗等对数据合规性要求严格的领域，本地化部署成为不可或缺的技术路径…
李华
第一章：Open-AutoGLM Windows 11 WSL2集成方案：打通AI开发最后一公里在本地构建高效、稳定的AI开发环境是现代数据科学家和开发者的核心需求。借助Windows 11的WSL2（Windows Subsystem for Linux 2）与开源项目Open-AutoGLM的深度…
李华
第一章：Open-AutoGLM模型 如何使用Open-AutoGLM 是一个开源的自动推理语言模型，专为结构化任务自动化设计，支持自然语言理解、代码生成与多步逻辑推理。用户可通过简单的接口调用实现复杂任务链的执行。环境准备 在使用 Open-AutoGLM 前&…
李华
第一章：Open-AutoGLM模型 如何使用Open-AutoGLM 是一个开源的自动推理语言模型，专为结构化任务生成与逻辑推导设计。其核心优势在于支持零样本任务解析和动态指令优化，适用于自动化脚本生成、智能问答系统和数据提取场景。环境准备 在使用 Op…
李华