<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[HUXINY的博客]]></title><description><![CDATA[husin的博客]]></description><link>https://blog.csdn.net/HUXINY</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; HUXINY]]></copyright><item><title><![CDATA[毕设开源 深度学习社交距离检测系统（源码+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/167260883</link><guid>https://blog.csdn.net/HUXINY/article/details/167260883</guid><author>HUXINY</author><pubDate>Thu, 08 Oct 2026 09:34:52 +0800</pubDate><description><![CDATA[本文分享了一款基于深度学习的社交距离检测系统，适用于毕业设计。系统通过YOLOv5模型实现人群检测与距离分析，可实时识别高危近距离行为，具备较强创新性与实用性。项目包含完整源码、论文及运行视频，支持本地部署与摄像头实时监控，有效解决传统人工监管效率低的问题，助力学生高效完成高质量毕设。]]></description><category></category></item><item><title><![CDATA[毕设开源 基于Astart的寻路算法设计与实现]]></title><link>https://blog.csdn.net/HUXINY/article/details/167259211</link><guid>https://blog.csdn.net/HUXINY/article/details/167259211</guid><author>HUXINY</author><pubDate>Thu, 08 Oct 2026 09:07:15 +0800</pubDate><description><![CDATA[本文介绍基于A算法的自动寻路系统设计与实现，结合Python与matplotlib动态演示算法过程。对比广度优先、Dijkstra及最佳优先搜索，阐述A通过启发函数f(n)=g(n)+h(n)平衡路径准确性与效率。重点分析曼哈顿、对角及欧氏距离等启发函数的应用场景，揭示其对算法性能的影响。项目适用于网格地图寻路，兼具灵活性与实用性，适合毕业设计参考。]]></description><category></category></item><item><title><![CDATA[毕设分享 深度学习花卉识别]]></title><link>https://blog.csdn.net/HUXINY/article/details/167258751</link><guid>https://blog.csdn.net/HUXINY/article/details/167258751</guid><author>HUXINY</author><pubDate>Thu, 08 Oct 2026 08:40:42 +0800</pubDate><description><![CDATA[本文介绍基于卷积神经网络（CNN）的花卉识别系统，通过图像预处理、特征提取与分类器设计，实现对玫瑰、郁金香、蒲公英和向日葵四类花卉的自动识别。项目采用TensorFlow框架，构建包含数据加载、模型训练与测试的完整流程，利用深度学习技术提升识别准确率，适用于植物分类与智能识别场景。]]></description><category></category></item><item><title><![CDATA[毕设分享 深度学习手写数字识别系统(源码+论文)]]></title><link>https://blog.csdn.net/HUXINY/article/details/167212435</link><guid>https://blog.csdn.net/HUXINY/article/details/167212435</guid><author>HUXINY</author><pubDate>Wed, 07 Oct 2026 09:30:17 +0800</pubDate><description><![CDATA[本文分享一个基于深度学习的新闻文本分类系统，涵盖完整源码与论文，适合毕业设计参考。项目采用深度学习模型实现文本分类，具备良好创新性与实用性，运行效果直观，附详细原理讲解、网络结构图及核心代码。项目难度适中，工作量合理，可有效提升毕设质量，助力顺利通过答辩。[项目详情见主页置顶文章]]]></description><category></category></item><item><title><![CDATA[毕设分享 深度学习图像风格迁移系统(源码分享)]]></title><link>https://blog.csdn.net/HUXINY/article/details/167210770</link><guid>https://blog.csdn.net/HUXINY/article/details/167210770</guid><author>HUXINY</author><pubDate>Wed, 07 Oct 2026 09:04:33 +0800</pubDate><description><![CDATA[本文介绍基于VGG网络的深度学习图像风格迁移系统，通过内容损失与风格损失联合优化，实现将风格图片的纹理特征迁移至内容图片。利用VGG-16提取特征，计算ReLU层的Gram矩阵以衡量风格差异，并结合随机初始化图像迭代优化生成结果。项目提供完整代码与运行效果视频，适合毕业设计参考与学习。]]></description><category></category></item><item><title><![CDATA[毕设分享 深度学习yolo11垃圾分类系统（源码+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/167210504</link><guid>https://blog.csdn.net/HUXINY/article/details/167210504</guid><author>HUXINY</author><pubDate>Wed, 07 Oct 2026 08:40:55 +0800</pubDate><description><![CDATA[本文分享基于YOLOv11的智能垃圾分类系统，融合改进损失函数与注意力机制，提升小目标检测精度。系统支持图片、视频及实时摄像头检测，采用PyQt5构建跨平台图形界面，集成分类知识库与日志统计功能。项目创新性强，兼具实用性与推广价值，助力智慧城市建设与垃圾分类政策落地。附完整源码与论文，助毕业生高效完成高质量毕设。]]></description><category></category></item><item><title><![CDATA[毕设分享 LSTM天气预测算法系统]]></title><link>https://blog.csdn.net/HUXINY/article/details/167119126</link><guid>https://blog.csdn.net/HUXINY/article/details/167119126</guid><author>HUXINY</author><pubDate>Mon, 05 Oct 2026 09:31:52 +0800</pubDate><description><![CDATA[本文介绍基于LSTM的天气时间序列预测毕设项目，利用2009-2016年每10分钟采集的气象数据（含温度、压力、湿度等14特征），通过滑动窗口构建5天历史数据（720步）进行单变量温度预测。采用标准化处理，设计单步输出模型，使用tf.data高效管理数据流，对比基准方法后训练LSTM网络，实现对未来温度的精准预测，项目效果可通过视频展示，源码及教程见作者CSDN主页。]]></description><category></category></item><item><title><![CDATA[毕设 深度学习花卉识别]]></title><link>https://blog.csdn.net/HUXINY/article/details/167118168</link><guid>https://blog.csdn.net/HUXINY/article/details/167118168</guid><author>HUXINY</author><pubDate>Mon, 05 Oct 2026 09:10:57 +0800</pubDate><description><![CDATA[本文介绍基于卷积神经网络（CNN）的花卉识别系统，旨在实现对玫瑰、郁金香、蒲公英和向日葵四类花卉的自动识别。项目通过图像预处理、特征提取与选择、分类器设计等步骤，构建深度学习模型，利用TensorFlow框架完成数据加载、模型训练与测试。实验结果表明，该系统在准确率与泛化能力方面表现优异，为植物识别提供了高效、智能的解决方案。]]></description><category></category></item><item><title><![CDATA[毕设 python大数据旅游数据分析可视化系统(源码分享)]]></title><link>https://blog.csdn.net/HUXINY/article/details/167117626</link><guid>https://blog.csdn.net/HUXINY/article/details/167117626</guid><author>HUXINY</author><pubDate>Mon, 05 Oct 2026 08:40:40 +0800</pubDate><description><![CDATA[本文分享一个基于Python的旅游数据分析可视化系统毕业设计项目，涵盖数据爬取、清洗处理、MySQL存储及Django+ECharts可视化展示。项目以大同市旅游数据为例，利用Pandas进行数据预处理，通过Django框架搭建Web平台，结合ECharts实现多维度图表动态展示，具备良好创新性与实用性，适合本科生参考，助力高效完成高质量毕设。]]></description><category></category></item><item><title><![CDATA[毕业设计项目 深度学习行人重识别（源码+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/167074297</link><guid>https://blog.csdn.net/HUXINY/article/details/167074297</guid><author>HUXINY</author><pubDate>Sun, 04 Oct 2026 09:38:24 +0800</pubDate><description><![CDATA[本文分享一套基于PyTorch的深度学习行人重识别毕业设计项目，采用改进YOLO检测行人，ResNet-50+空洞卷积提取特征，欧氏距离比对实现跨摄像头行人匹配。系统集成PyQt5交互界面，支持实时识别与可视化展示。项目含完整源码、论文及详细设计说明，创新性强，适合作为高分毕设参考，助力高效通过答辩。[项目获取见主页置顶文章]]]></description><category></category></item><item><title><![CDATA[毕业设计项目 深度学习yolo11电动车骑行规范识别系统（源码+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/167072952</link><guid>https://blog.csdn.net/HUXINY/article/details/167072952</guid><author>HUXINY</author><pubDate>Sun, 04 Oct 2026 09:07:31 +0800</pubDate><description><![CDATA[🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。并且很难找到完整的毕设参考学习资料。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目提供大家参考学习，今天要分享的是🚩毕业设计  深度学习yolo11电动车骑行规范识别系统（源码+论文）🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：4分创新点：5分🧿项目分享：见主页任意置顶文章项目包含内容。]]></description><category></category></item><item><title><![CDATA[毕业设计项目 基于深度学习的驾驶行为检测(玩手机)]]></title><link>https://blog.csdn.net/HUXINY/article/details/167072563</link><guid>https://blog.csdn.net/HUXINY/article/details/167072563</guid><author>HUXINY</author><pubDate>Sun, 04 Oct 2026 08:40:30 +0800</pubDate><description><![CDATA[本文介绍基于YOLOv5的驾驶行为检测系统，聚焦“玩手机”行为识别。系统遵循模块化、可拓展性等五大设计原则，采用Mosaic增强、自适应anchor与Focus结构提升小目标检测能力，结合FPN+PAN特征融合与加权NMS优化精度与速度。通过爬虫构建5000+样本数据集，使用LabelImg手动标注，训练出高精度模型，支持实时检测与可视化结果展示，具备良好实用性与落地潜力。]]></description><category></category></item><item><title><![CDATA[毕业设计项目 基于深度学习的抽烟行为检测算法实现(源码分享)]]></title><link>https://blog.csdn.net/HUXINY/article/details/167029005</link><guid>https://blog.csdn.net/HUXINY/article/details/167029005</guid><author>HUXINY</author><pubDate>Sat, 03 Oct 2026 09:30:21 +0800</pubDate><description><![CDATA[本文介绍基于YOLOv5的抽烟行为检测系统，通过融合烟雾与香烟目标双重检测降低误检率。系统采用Web平台部署，结合前后端技术实现驾驶员吸烟行为实时监控，具备模块化、可拓展性与高实用性。利用Mosaic数据增强、自适应anchor等优化策略提升模型精度，支持图片、视频流实时推理。项目提供标注数据集与训练模型，代码开源，适用于毕业设计与实际应用。]]></description><category></category></item><item><title><![CDATA[毕业设计项目 基于深度学习的图像修复算法 DCGAN]]></title><link>https://blog.csdn.net/HUXINY/article/details/167027709</link><guid>https://blog.csdn.net/HUXINY/article/details/167027709</guid><author>HUXINY</author><pubDate>Sat, 03 Oct 2026 09:04:33 +0800</pubDate><description><![CDATA[本文基于DCGAN实现图像修复，通过深度卷积对抗网络训练生成器，利用噪声迭代优化生成与待修复区域一致的假图像，并拼接修复破损部分。针对传统GAN易出现梯度消失问题，提出“一判两生”优化策略，有效提升修复效果。实验采用Celeba人脸数据集，结合BatchNorm与LeakyReLU等改进结构，显著增强模型稳定性与生成质量，为自动化图像修复提供可行方案。]]></description><category></category></item><item><title><![CDATA[毕业设计 深度学习验证码识别系统（源码+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/167027500</link><guid>https://blog.csdn.net/HUXINY/article/details/167027500</guid><author>HUXINY</author><pubDate>Sat, 03 Oct 2026 08:40:52 +0800</pubDate><description><![CDATA[本文分享一个基于深度学习的新闻文本分类系统毕业设计项目，涵盖源码与论文，适合参考学习。项目难度适中，创新点突出，运行效果良好。通过图像预处理（灰度化、二值化、去边框、降噪）结合OCR技术实现验证码识别，代码详实，步骤清晰，可直接用于毕设开发，助力高效完成答辩。]]></description><category></category></item><item><title><![CDATA[毕业设计 深度学习车辆目标检测]]></title><link>https://blog.csdn.net/HUXINY/article/details/166983946</link><guid>https://blog.csdn.net/HUXINY/article/details/166983946</guid><author>HUXINY</author><pubDate>Fri, 02 Oct 2026 09:26:20 +0800</pubDate><description><![CDATA[本文介绍基于深度学习的车辆目标检测与多目标跟踪系统，采用“Tracking By Detecting”方法，通过每帧目标检测并结合匈牙利算法与IOU进行关联，实现对新出现目标的持续跟踪。针对高速运动导致的误匹配问题，引入轨迹预测机制，利用拟合函数或卡尔曼滤波预测下一帧位置，提升跟踪准确性。项目附完整训练代码，适用于毕业设计与实际应用。]]></description><category></category></item><item><title><![CDATA[毕业设计 深度学习异常流量检测系统（算法+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/166982669</link><guid>https://blog.csdn.net/HUXINY/article/details/166982669</guid><author>HUXINY</author><pubDate>Fri, 02 Oct 2026 09:01:17 +0800</pubDate><description><![CDATA[本文介绍基于深度学习的异常流量检测系统，针对加密HTTPS流量中恶意软件通信难以识别的问题，提出无需解密的检测方法。通过解析连接、SSL与证书日志，构建4元组并提取37维特征（连接、SSL、证书三类），结合机器学习模型实现高精度异常流量识别。项目具备较强创新性与实用性，适用于企业网络安全防护，为毕业设计提供完整算法与论文参考。]]></description><category></category></item><item><title><![CDATA[毕业设计 机器视觉指纹识别特征对比算法（源码+论文）]]></title><link>https://blog.csdn.net/HUXINY/article/details/166982579</link><guid>https://blog.csdn.net/HUXINY/article/details/166982579</guid><author>HUXINY</author><pubDate>Fri, 02 Oct 2026 08:40:59 +0800</pubDate><description><![CDATA[本文分享了一套完整的机器视觉指纹识别特征对比毕业设计项目，涵盖图像预处理（对比度增强、二值化、腐蚀细化）、图像增强及特征点检测等核心算法，基于OpenCV实现。项目通过Poincare Index算法提取核心点与细节点，结合ORB特征检测实现匹配，具备较高创新性与实用性。配套提供源码、1.2万字论文及视频演示，助力学生高效完成高分毕设。]]></description><category></category></item><item><title><![CDATA[智能科学与技术毕设易上手题目建议]]></title><link>https://blog.csdn.net/HUXINY/article/details/166947458</link><guid>https://blog.csdn.net/HUXINY/article/details/166947458</guid><author>HUXINY</author><pubDate>Thu, 01 Oct 2026 17:31:30 +0800</pubDate><description><![CDATA[本文聚焦云计算与分布式系统方向，推荐适合毕业设计的15个高价值课题，涵盖容器编排、微服务架构、分布式存储等前沿技术。结合学长经验，提出兴趣驱动、资源匹配、创新实用等选题原则，并分享基于YOLOv8/v11的智能安防、工地监控等落地项目案例，强调技术融合与实际应用价值，助力学生高效完成兼具创新性与就业竞争力的毕业设计。]]></description><category></category></item><item><title><![CDATA[智能科学与技术毕业设计简单的开题思路]]></title><link>https://blog.csdn.net/HUXINY/article/details/166937822</link><guid>https://blog.csdn.net/HUXINY/article/details/166937822</guid><author>HUXINY</author><pubDate>Thu, 01 Oct 2026 09:34:27 +0800</pubDate><description><![CDATA[本文围绕人工智能方向毕业设计选题，提出“兴趣+能力+就业导向”三维度选题原则，并分享逆向思维、项目拆分、问题导向等实用技巧。重点推荐计算机视觉（如YOLOv11焊接/血液/脑瘤检测）、自然语言处理（如智能客服、文本分析）及智能推荐系统等高实用性课题。附4个优质案例：基于YOLOv11的医学影像与缺陷检测系统，兼具创新性、技术深度与实际应用价值，适合展示综合能力，助力高质量毕业设计与就业竞争力提升。]]></description><category></category></item></channel></rss>