计算机视觉

用 Torchvision 的 ResNet18 预训练权重更换二分类头，在独立 train/val 目录训练并输出验证正确数。

用 Gemini Files API 上传短视频并等待 ACTIVE，询问画面事件时间点，再回放原片核对物体和动作。

从 CVAT 导出传统 YOLO 标注后，按 obj.names 和归一化坐标核对类别、框和图片文件映射。

在 CVAT 确认可用 SAM interactor 后，用正负点生成杯子掩码，人工核对边缘及标签，并说明部署前提。

按官方 Gemini 图像 API 上传本地图片并提问，逐项对照原图核查物体、颜色和位置，说明认证与模型限制。

用 YOLO 姿态模型导出 17 个 COCO 关键点，保存核对图，区分人物序号、坐标和遮挡边界。