杨天豪

针对多类别花卉图像数据集，采用随机旋转、CutMix 等数据增强技术，扩充数据集规模达 50%。对比 ResNet18、AlexNet 等经典及自研模型，运用半监督学习使训练效率提高 30%，借助 Grad-CAM 可视化分析模型决策依据。

从海量天气数据中运用 PCA 主成分分析进行降维，通过相关性分析筛选关键特征，有效降低数据维度。构建全连接神经网络模型，采用均方误差损失函数和随机梯度下降优化器，通过损失曲线监控训练效果。

针对传统虚拟试衣技术的颜色失真、自我遮挡生成效果差等问题，基于 Python 开发轻量化智能试衣系统。整合 ATR 与 LIP 模型完成人体解析，结合 OpenPose 检测 17 个骨架关键点，搭建 VITON-HD 与 DressCode 双生成模型。