- 综合排序
- 最热优先
- 最新优先
- 来自专栏JNing的专栏
【3D人脸】MediaPipe Face Mesh 调研
MediaPipe Face Mesh：不够高清，case也不够丰富，暂时看不出问题。
1.5K10编辑于 2022-11-14 - 来自专栏JNing的专栏
【3D人脸】AI Mesh 数据工程调研
开源的假图只给了70个2d点，不给模型） [2022，微软] 3D face reconstruction with dense landmarks（直接完全沿用了自家2021的数据，没有任何改进，不给模型 ） pseudo-labels made with model-fitting （纯3dmm） [2020，帝国理工] RetinaFace: Single-shot Multi-level Face Localisation in the Wild（将68个面部坐标点转换成三维坐标，并据此得出3DMM参数，进而重建了包含53k个顶点的稠密1k顶点三维网格。 （没细看） [2015，中科院] Face alignment across large poses: A 3d solution（没细看） semi-automatic refined data（半3dmm geometry from monocular video on mobile GPUs（3w张真实人脸，用3DMM去fit出假标签，之后数据迭代清洗自循环：模型洗出脏数据，手动微调x和y，更干净的数据再反哺给模型
91620编辑于 2022-11-14 - 来自专栏大数据成长之路
大数据【企业级360°全方位用户画像】业务数据调研及ETL
之前关于用户画像项目部分的讲解大多停留在理论层面，本篇我们正式开始对该项目中所使用到的业务数据进行调研和ETL处理。 ? ---- 业务数据调研及ETL 整个用户画像（UserProfile）项目中，数据、业务及技术流程图如下所示： ? 特点：数据量比较大 存储HBase：存储海量数据、查询检索 2）、实际项目来说【访问行为日志】数据存储到Hive表中 数据仓库分层： ODS层、DW层和APP层 3）、特殊：模拟的所有业务数据存储在 3）、Load，HFile 通过 loadIncrementalHFiles 调用将 HFile 放置到 Region 对应的 HDFS 目录上，该过程可能涉及到文件切分。 其中数据导入到HBase一共有5种方法，本篇博客只给出了3种方法。想知道另外两种方法的朋友可以在评论区讨论，也可以来私信询问? 如果以上过程中出现了任何的纰漏错误，烦请大佬们指正?
1.2K20发布于 2021-01-27 - 来自专栏靠谱PM
调研现场
上两篇文章中写到为什么要做用户调研以及用户调研的流程，今天来说下调研现场应该怎么做。 调研工具 俗话说：“工欲善其事，必先利其器。” 那么调研现场的工具肯定是必不可少的，这里也顺便说下，用户调研的现场和可用性测试（关于可用性测试如果以后有机会单独写一篇文）的现场处理的方式都是大同小异的。 调研前的暖场 这个还是有必要说一下的，用户来到调研现场不要上来就直接进入调研，这其实和我们到一个陌生环境里一样心理都会有一些防范，所以理想的做法就是先从家常聊起，比如今天天气好热啊，您怎么过来的？ 3、不要多用户、多任务操作 这个就是不要把不同的访谈用户放在一起，可以对同一个任务分开访谈，比如对“教育分期”贷款我们在同一时间段邀请了两个访谈的用户，可以分开在不同的房间进行访谈，访谈的时候只让用户完成这一个单一的任务 3、用户觉得什么方法能更好的解决问题 这个就是刚才追问过为什么之后，可以问用户您认为怎么样会更好，还是一样的道理用户可能被其他产品教育出一定的使用习惯，一般来说用户会有一个心理认知的模型，也会对产品有一定的看法的
88560发布于 2018-09-10 - 来自专栏代码工具
ONNX调研
调研目的： 提高当前在线推断模型的性能， 最大限度地降低工程的机器成本。二. ONNX Runtime（ORT） 使用1. train_test_splitfrom sklearn.linear_model import LogisticRegressionfrom onnx import onnx_ml_pb2# 数据集内包含 3 sess.get_inputs()[0].nameinput_name1 = sess.get_inputs()[1].nameinput_name2 = sess.get_inputs()[2].nameinput_name3 = sess.get_inputs()[3].nameprint(input_name0,input_name1,input_name2,input_name3)req = { 'dense_input 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]], 'sparse_ids_input': [[0, 1, 2, 3,
1.7K51编辑于 2022-06-30 腾讯问卷企业级调研与数据管理平台核心逻辑与应用洞察
一、 产品定位与核心亮点 腾讯问卷是一款基于分布式架构（iDaaS+iPaaS+aPaaS）的一站式企业级调研与数据管理平台。 产品的商业差异化卖点在于全面融合腾讯混元与DeepSeek R1双大模型，提供从问卷生成、质检、精准投放（依托腾讯生态大数据）到智能数据清洗与可视化的全链路AI能力，同时具备企业级权限管控、多系统无缝对接 企业级权限与安全管理： 支持组织架构搭建与同步，实现数据分级分权限管理。 内置联系人CRM，支持用户标签化管理及定向私域邀约。 项目共享支持成员审批后发布流程。 核心安全认证：SaaS服务平台3级等级保护备案证明、CMMI5级认证。 3. 中国保险行业协会 背景：需对352家会员单位进行数据汇总，传统Word/Excel填答体验差，且数据保密和安全问题突出。 解决方案：采用私有化部署，建立会员分级统计与分权限查看机制。
21710编辑于 2026-06-01- 来自专栏万能的小草
Redash调研
3.添加可视化 默认情况下，您的查询结果（数据）将显示在简单表中。可视化会更好地帮助您消化复杂的信息，因此让我们可视化您的数据。Redash支持多种类型的可视化，因此您应该找到一种适合您的需求。
3.4K21发布于 2020-02-19 - 来自专栏Android开发
Android企业级实战-界面篇-3
iv_hint_style_default" /> <item type="id" name="tv_game_num" /> <item type="id" name="tv_game_title" /> 3.
23100编辑于 2025-06-12 - 来自专栏音视频技术
有奖调研
随着疫情的反复，我们也深刻认识到，只有随时随地接入的线上产品才能全天候的服务用户，因此本调研应运而生。接下来的3分钟，您将回答一系列问题，从而帮助LiveVideoStack更好的筹备新产品。
61730编辑于 2022-06-09 - 来自专栏音视频咖
有奖调研 | 公众号内容偏好问卷调研
有奖调研，先填先得！ 有效填写问卷且关注公众号超过24小时的前120名用户 每人都送30QB~ 赶紧扫描下方二维码 抽出几分钟，将您的真实感受和建议告诉我们吧！ ?
91220发布于 2021-05-21 腾讯企业级AI应用实践：重构合同、知识管理与调研全链路质效
企业调研分析链条冗长： 传统问卷调查需求侧与研究侧存在认知差异，导致研究框架反复调整；问卷设计专业壁垒高，大量数据清洗繁琐，开放题文本分析依赖人工编码，导致数据分析周期长、报告输出低效且难以直接指导业务决策 融合双模型驱动与多模态交互重塑工作流 针对上述业务痛点，腾讯（基于混元与DeepSeek双模型驱动及大小模型协作机制）推出了针对三大核心场景的AI解决方案： 腾讯电子签（主讲人：金元浩，腾讯电子签AI研发经理）： 打造企业级 腾讯问卷（主讲人：傅薇，腾讯问卷AI产品负责人）： 构建全流程AI调研解决方案。 支持通过自然语言、上传文档或实物拍照秒级生成问卷；提供AI智能访谈（自动生成大纲并进行动态多轮追问）；内建AI数据清洗与多语言精准转换，重构企业调研范式。 国内某头部白酒企业： 面对多主体高频调研，利用腾讯问卷AI自动识别无效问卷释放人力，实现 分钟级 生成可视化报告；通过语义分析使调研结果自动流转，帮助一线实时掌控市场动态。
23410编辑于 2026-05-29- 来自专栏全栈程序员必看
动作识别调研
共有5个大类的动作： 1)人-物交互；2)肢体运动；3)人-人交互；4)弹奏乐器；5)运动. C3D Learning Spatiotemporal Features with 3D Convolutional Networks(2015) 3D 卷积   C3D 能把 ImageNet A New Model and the Kinetics Dataset 数据集: Kinetics  网络架构    I3D 性能更好的原因: 一是 I3D的架构更好, 二是 Kinetic 数据集更具有普适性 R(2+1)D S3D? 一些算法实现 算法 实现 TSN(双流法) http://yjxiong.me/others/tsn/ I3D https://github.com/deepmind/kinetics-i3d R(2+
1.6K30编辑于 2022-09-20 - 来自专栏PM吃瓜(公众号)
需求调研报告
1调研流程 需求分析是需求工程的核心， 分为4个阶段 识别需求 解决目标系统做什么，做到什么程度 功能，性能，环境，可靠性，安全性，保密性，用户界面，资源使用，成本，进度。 建模方法：数据流图，数据字典， ER图，时序图，UML， 基本需求 关键需求 编制需求分析文档 需求规格说明书 评审需求 评审需求规格说明书， 确保与用户达成共识 2 调研和分析方法 工具推荐 功能模块分解 用visio 业务流程图用visio中的flowchart 系统逻辑模型 用visio中的UML 界面用 数据模型用power design 3.相关要求 关键活动 ?
3K42发布于 2020-08-12 - 来自专栏又见苍岚
NAS 系统调研
本文调研相关内容。 简介 NAS（Network Attached Storage：网络附属存储）按字面简单说就是连接在网络上，具备资料存储功能的装置，因此也称为“网络存储器”。
6.6K40编辑于 2022-08-06 - 来自专栏又见苍岚
NAS 硬件调研
功耗有所区别 DDR3内存采用1.5V工作电压，而DDR3L内存则是1.35V工作电压，DDR3L低压内存大约比DDR3标压内存节能2W左右。 应用场景 因此SAS盘多属于企业级（服务器），提供15k和10k的产品，连续读取和iops都比较高。 SATA盘多为民用 家用类，也有企业用不过多用于入门级。 希捷分普通级(家用级)（DM）、监控级（VX）和SSHD混合硬盘（DX）以及企业级（NM）。 企业级还有多款：CS是Constellation CS的缩写，被希捷称为“企业价值硬盘”。 另一款企业级ES，即Constellation ES.2，性能更强，价格要贵近一倍。ES适用于磁盘阵列、RAID保护、数据快照（Snapshot）、NAS，或是各种需要大容量的储存设备中。 希捷企业级硬盘具有三大特点：优化降低寻道功耗（IntelliSeek）、闲置时将磁头撤出降低功耗（IntelliPark）、工作负载智能调节硬盘转速（IntelliPower）。
6.5K41编辑于 2022-08-06 - 来自专栏随意记录
Biconomy Forward 调研
3 Fee Manager合约代码该合约为负责为 user/token 组合给定一个费用乘数 -- getFeeMultipiler(address user, address token)。
81620编辑于 2023-02-09 - 来自专栏后场技术
CitusDB调研分享
CitusDB 是基于 PostgreSQL 扩展（类似 PHP 扩展）实现的 PostgreSQL 集群。
97120发布于 2020-09-03 - 来自专栏flutter开发精选
搭建企业级app架构(3)-开发规范
介绍 本指南与👉Flutter Coding Guidelines.搭配使用 编码指南 DO NOT 不要提交包含warning的代码 DO 遵循 S.O.L.I.D. code design principles DO 所有公开 API要写清楚注释 DO NOT 不要写辅助的静态方法 DO 所有异常案例需要写单元测试 需要100% 测试覆盖率 不要求覆盖所有行, 但是所有逻辑分支需要覆盖 (e.g., switch-case, if-else, etc.) DO NOT 强制展开可选参数 You can
43910编辑于 2022-09-20 - 来自专栏Fdu弟中弟
问答系统调研
在完成毕业论文（设计）期间的调研工作，主要研究了几个经典的问答系统和机器阅读理解模型。 Retriever 只用了信息检索的手段，没有用到机器学习，与Document Reader完全分离 对语料单词进行清洗，包括去停词等过滤操作 统计所有的bigram 将这些bigram进行murmur3
1.4K20发布于 2021-02-24 - 来自专栏云计算运维
二、方案调研
这一部分主要是需要我们在考虑功能实现的技术选型时，对比很多不同的方案，综合考虑每一种方案的优缺点，可以适当地取舍和改进，形成一套适合当前场景的技术方案。
29020发布于 2021-08-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号