本项目基于PFNet（Point Fractal Network）实现了点云补全任务，通过多尺度特征提取和分层生成策略，从残缺的点云数据中恢复完整的3D形状。网络采用从粗到细的三级生成结构（中心点→中间层→精细层），并结合Chamfer Distance损失与对抗训练损失进行优化，有效提升了补全结果的准确性与细节质量，适用于ShapeNet Part等标准点云数据集的训练与评估。
VibeTrip AI 是一个基于 Flask 的智能旅游行程规划 Web 应用，全程基于 VibeCoding 方式完成开发。系统集成大语言模型 API，可根据用户指定的目的地、天数、预算和兴趣偏好，自动生成个性化行程方案。应用提供目的地浏览、行程管理、社区分享、点赞评论等完整功能，帮助用户轻松规划旅行，发现更多精彩目的地。
CellSegAI 是一个基于深度学习的宫颈细胞核分割与形态学分析系统。项目采用改进的 NestedUNet 网络对宫颈细胞图像进行像素级分割，并结合分水岭算法对粘连细胞进行分离，从而精确提取每个细胞核的轮廓。系统内置了基于 TBS诊断标准的形态学分析模块，可自动计算细胞核的面积、圆形度、偏心率和长宽比等形态特征，并对异常细胞进行标记和预警，为宫颈细胞学筛查提供智能辅助诊断支持。
本项目是基于 PyTorch 框架，利用 ResNet18 模型对 MedMNIST 医学影像数据集进行分类任务的实战训练和评估。项目提供了完整的数据加载、模型训练、验证、测试和结果分析流程，并输出 AUC、ACC 等指标。
这是一个基于OpenCV的信用卡数字自动识别系统。它先提取0-9数字的模板形状，然后通过图像处理找到信用卡上的数字区域，再将每个数字与模板进行匹配，找出最相似的数字，最后按顺序输出完整卡号并识别发卡机构类型。
这是一个文档扫描与OCR识别系统，能将拍摄倾斜的纸质文档自动矫正为正面视图，并提取其中的文字内容。项目通过边缘检测找到文档边界，利用透视变换拉直图像，最后用OCR引擎识别文字，实现从"拍照"到"可编辑文本"的一键转换。
这是一个基于 OpenCV 的答题卡自动识别与阅卷系统。用户只需拍摄一张答题卡照片，程序便会自动通过边缘检测定位答题卡区域，利用透视变换将倾斜变形的图像矫正为规整视图，然后通过轮廓分析筛选出所有圆形选项，并利用掩膜技术统计每个选项的填涂像素数量，从而判断学生的作答结果，最后与标准答案比对并自动计算得分，同时在答题卡上标注出对错情况。整个流程无需人工干预，可快速、准确地完成答题卡的批阅工作。
本项目结合传统图像处理与深度学习技术，实现停车场车位的自动检测与状态识别。通过 Canny 边缘检测、霍夫直线检测提取车位区域，并利用微调的 VGG16 卷积神经网络对每个车位进行空闲/占用分类，提供从图像预处理、车位标注、模型训练到单张图片预测及视频实时检测的完整流程。
