- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
智慧养殖数猪牛羊统计计数盘点系统
基于YOLO目标检测与Transformer时序分析架构的智慧养殖数猪牛羊统计计数盘点系统，正在为这一行业痛点提供高效解决方案。 y2, conf, cls = det6 7 # 置信度阈值过滤8 if conf < 0.4:9 continue10 11 filtered_detections.append(det)17 18 return filtered_detections四、性能对比与应用价值与传统人工盘点方式相比，智慧养殖数猪牛羊统计计数盘点系统在多个维度均有显著提升 五、未来发展方向随着技术进步，智慧养殖数猪牛羊统计计数盘点系统将向更智能化方向演进：个体识别能力：基于ReID技术实现牲畜个体识别，构建每头牲畜的数字档案，追踪其生长轨迹、健康状况。 智慧养殖数猪牛羊统计计数盘点系统不仅是技术工具，更是畜牧业数字化转型的重要载体。
9700编辑于 2026-04-11 - 来自专栏python3
【Python】11、python内置数
not found, d is returned if given, otherwise KeyError is raised (END) In [24]: d Out[24]: {'a': 11 , 'b': 2} In [25]: d.pop('a') Out[25]: 11 In [26]: d.pop('c') ------------------------------------- In [47]: d2 Out[47]: defaultdict(None, {'a': 11}) In [12]: help(defaultdict) Help on class defaultdict In [20]: d2['a'] Out[20]: [] In [21]: d2 Out[21]: defaultdict(list, {'a': []}) In [22]: d2['a'] = 11 In [23]: d2 Out[23]: defaultdict(list, {'a': 11}) In [24]: d2['a'] Out[24]: 11 default初始化的时候，需要传入一个函数
1.5K30发布于 2020-01-15 - 来自专栏数据猿
超级猪周期拐点未到，用“数”养猪的春天却已来？
数据智能产业创新服务媒体 ——聚焦数智 · 改变商业 ---- 如今正是上市公司2021年业绩密集发布的时期，在猪价还在探底的背景下，生猪养殖行业内充斥着“心塞”，“首亏”和“预减”正笼罩在行业上空 统计13家A股上市猪企业绩预报发现，2021年，13家猪企累计亏损超400亿元，其中正邦科技预计亏损近200亿元，亏损额占据了上市猪企近一半。 猪价控制不了，养猪的长期生产成本却有望通过智慧化升级得到控制。所以即便目前猪价依旧在低位震荡，但并未阻止用“数”养猪的热潮。 事实上，这次也是二十年内国内经历的第五次猪周期。 来源：国海证券 但不一样的是，非洲猪瘟和新冠疫情叠加，导致本次猪价涨跌幅度之剧烈，时间间隔之短，前所未有，打破过往猪周期的规律。 大厂竞“猪”，不只为盈利 似乎是同时，在本轮超级猪周期初启猪价上行时，科技大厂中也掀起一股智慧“养猪”的浪潮。为什么科技大厂也要跨界“养猪”？
59230编辑于 2022-05-19 - 来自专栏量子位
这个GAN没见过猪，却能把狗变成猪
甚至把狗变成猪也行： ? 问题来了，AI不可能生成它完全没有见过的照片，但是又不给它参考照片，那怎么满足要求呢？ 基于CLIP 答案就是借助CLIP的语义能力。
1.1K30发布于 2021-08-10 - 来自专栏CodeTime
薛定谔的猪
现在有一只可怜的猪可以用来实验，将其中一瓶水喂给这只猪喝，如果猪毒发身亡了，说明这瓶水有毒。猪并不需要喝完整瓶水，只需喝到一小口，毒性就会发作，如果水是有毒的话。 答案是 2^2 =4 个瓶子，也就是状态数（2）的猪数量（2）次方。 总结： 猪的状态数为试验轮数+1，根据猪的状态数和猪的个数，可以确定最多能测试的瓶子数量，这是一个通用解。 终极 来自力扣的困难题：458. int) -> int: return math.ceil(math.log(buckets)/math.log(minutesToTest//minutesToDie+1)) 换一种思路： 猪的状态数代表着 比如对于十进制数字12，在十进制下表示需要2位，而二进制表示下是1100，则需要4位，现在我们只需将瓶子数转换成n进制表示，同时看会占据多少位即可。
81420编辑于 2023-03-08 - 来自专栏AI那点小事
风口的猪-中国牛市
题目描述 风口之下，猪都能飞。当今中国股市牛市，真可谓“错过等七年”。
41510发布于 2020-04-20 - 来自专栏全栈程序员必看
python猪脸识别_京东JDD猪脸识别比赛「建议收藏」
pig_face_recognition 京东JDD猪脸识别比赛 pytorch-baseline 1.运行环境 TeslaK20c集群单节点双卡 Red Hat 4.4.7-3 Python 2.7.13 cuda 8.0 cudnn 5.0 pytorch 0.3.0 2.从视频中截取出猪 用yolo-9000算法，人工打label后，对ffmpeg提取出的视频帧进行猪的目标检测，框出猪的主体部分，为后续分类做基础
1K20编辑于 2022-06-24 - 来自专栏glm的全栈学习之路
AcWing 11. 背包问题求方案数(背包问题求方案数）
#include<bits/stdc++.h> using namespace std; const int N=1010,mod=1e9+7; int f[N],cnt[N],n,m; signed main(){ cin>>n>>m; for(int i=0;i<=m;i++)cnt[i]=1; int u,v; for(int i=1;i<=n;i++){ cin>>u>>v; for(int j=m;j>=u;j--){
79420发布于 2021-05-13 - 来自专栏全栈程序员必看
如何用猪脸识别降低死猪理赔成本？这支学生团队靠「进击的巨猪」打败了商业老兵
大赛于 11 月 6 日启动，共有 4624 支团队报名，经过选拔赛，最终有 36 支团队步入决赛阶段。 用猪脸识别技术降低死猪理赔成本 由于团队的题目是猪脸识别，最开始他们的商业构想也和大多数人一样，看到猪脸识别技术联想到通过监测猪的行为模式跟踪猪的健康状况。 在电话调查后发现，猪的活动空间很小，这一想法很难落地。而在与养猪老板的电话交流中，团队发现当前死猪理赔流程繁琐，出险成本高，且存在骗保情况。 具体说来，团队利用猪脸识别技术，把传统的需要人力线下走访识别死猪的出险理赔方式转移到线上，取代保险勘察员上门核查的操作步骤。 对于该团队的商业计划，导师杨强表示，猪脸识别赋能于农家金融保险是人工智能赋能金融保险的一个具体体现。 「我跟他们交流的过程中，发现他们一开始就把目标聚焦在死猪的无害化处理。
1K20编辑于 2022-06-24 - 来自专栏转载gongluck的CSDN博客
拉丁猪文字游戏
拉丁猪文字游戏——这是一个英语语言游戏。基本规则是将一个英语单词的第一个辅音音素的字母移动到词尾并且加上后缀-ay（譬如“banana”会变成“anana-bay”）。可以在维基百科上了解更多内容。
1.6K100发布于 2018-03-08 - 来自专栏zayyo前端
C++11 的随机数的分析
C++11 是一个比较重要的版本，它引入了许多新的语言特性和标准库组件。其中，随机数生成的新特性极大地方便了开发人员在程序中生成随机数。 C++11 的随机数生成分为三个层次，包括随机数生成设备、随机数引擎和随机分布。下面分别对它们进行介绍。 产生随机数C++11 的标准库提供了一个非确定性随机数生成设备，即 std::random_device。 C++11 标准提供了三种常用的随机数引擎：std::linear_congruential_engine、std::mersenne_twister_engine 和 std::subtract_with_carry_engine 如果想多次运行产生相同的随机数，可以使用一个确定的数作为种子；如果想每次运行生成不一样的随机数，则建议使用 std::random_device 产生一个随机数作为种子（Linux 下为真随机数，Windows
78610编辑于 2023-11-30 - 来自专栏数据猿
AI Agent ，风口上的“猪”？
风口也可能摔死猪， 但真正的变革才刚刚开始 AI Agent的确正处在一场风口之中，但风口本身并不意味着价值，也不代表泡沫。
42110编辑于 2025-10-21 - 来自专栏Elasticsearch专栏
【极数系列】Flink集成KafkaSink & 实时输出数据（11）
--java_JDK版本--> <java.version>11</java.version> <!
78210编辑于 2024-03-04 - 来自专栏全栈程序员必看
python猪脸识别_一种猪脸的识别方法与流程
技术实现要素： 本发明的发明目的是，针对上述问题，提供一种猪脸的识别方法，通过人工智能的技术对猪脸进行识别，确认猪只的身份，建立猪只的图片识别库，解决了现有技术缺乏猪脸识别技术的问题。 系统训练识别猪脸的模型，通过该模型自动识别猪脸，可实现全自动实现猪脸的识别，建立了猪脸的识别方法，可以识别猪脸的身份信息，为养殖者掌握每头猪只信息提供便利；通过该模型可识别的猪只的数量规模大，识别准确率高 ，总共猪脸图片的数量达到2.25亿张，用Opencv标准库的方法保存这些猪脸图片，这些猪脸图片包括有效的猪脸图片和无效的猪脸图片； S4.将猪脸图片进行筛选和标注，保留有效的猪脸图片和标注猪脸图片的坐标信息 输入：步骤S62中有效的猪脸图片； 卷积神经网络结构模型计算：通过卷积神经网络结构模型计算出该猪只是否为新增猪只还是已有猪只，如果是新增猪只就生成全球唯一猪只身份ID，如果是已有猪只就识别出猪只身份ID ，即生成猪脸分类器； ST5：将待识别猪只的猪脸图片的特征码输入猪脸分类器中，通过猪脸分类器的输出端输出该猪只是否为新猪。
98830编辑于 2022-06-24 - 来自专栏华章科技
漫画：什么是 “智猪博弈” ？
任何一只猪做出按下按钮的举动，都会消耗掉2份体力（1份体力和1份猪食相抵消）。 如果小猪跑去控制按钮，大猪在食槽边等待，那么大猪可以优先吃到9份猪食，只剩下1份猪食留给小猪： ? 如果大猪跑去控制按钮，小猪在食槽边等待，那么小猪可以优先吃到4份猪食，剩下6份猪食留给大猪： ? 如果大猪和小猪一起跑去控制按钮，那么大猪可以吃到7份猪食，小猪可以吃到3份猪食： ? 大猪和小猪的选择，总共有4种组合，我们可以利用一个2X2的表格来描述不同选择和获得食物的关系（左侧数值是大猪，右侧数值是小猪）： ? 扣去行动的2份能量消耗，大猪和小猪的净收益如下： ? 由此可见，大猪行动，小猪等待，是智猪博弈必然走向的局面。这个局面，也被称为智猪博弈当中的纳什均衡点。 ? ? ? 小企业和大企业之间的关系，就好比“智猪博弈”当中小猪和大猪的关系。
97030发布于 2020-03-24 - 来自专栏YOLO大作战
基于YOLO11的农场猪检测系统（Python源码+数据集+Pyside6界面）
本文摘要：基于YOLO11的农场猪检测，阐述了整个数据制作和训练可视化过程以下是基于YOLO11的农场猪检测的意义：养殖管理方面精准监控猪只数量 ：能够实时、准确地统计猪场内猪只的数量，帮助养殖人员及时发现数量异常变化 ，如猪只的丢失或新增未记录等情况，有效管理猪群规模，确保养殖数量的准确性和可控性。 ； 1.YOLO11介绍Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。 YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。 配置pig.yamlps:建议填写绝对路径path: D:/YOLOv11/data/pigtrain: .
35410编辑于 2025-07-04 - 来自专栏深度学习与python
当分层架构遇到极端高并发：飞猪为何在双11流量洪峰前选择“极致精简”？
作者 | 飞猪技术 余英 业务背景 自 7 月以来，随着飞猪深度融入阿里巴巴中国电商生态，淘宝首页增加飞猪的一级入口等，飞猪的整体流量实现快速增长。 飞猪全量优惠券发放业务均由权益发放平台（以下简称“权益平台”）统一承载，其系统性能直接影响用户体验和营销活动的效果。 权益类型丰富、场景广泛：飞猪权益平台支持多类别权益的统一管理与发放，涵盖传统优惠券、飞猪里程、二方猫超券、三方微信零钱等多种形态。 飞猪内部及集团券的发放，依赖的底层系统具有接口稳定、支持幂等及 HSF 内部调用、高性能低延迟等优势。 微软紧急否认AI+Rust重写Windows 11，但“一人一月一百万行代码”已让技术圈炸锅 技术人的年度仪式感！#InfoQ 年度盘点与趋势洞察 启动！
21410编辑于 2025-12-31 - 来自专栏Alter聊科技
大数据为何“赌”不对猪周期？
这一轮寒冬的根源其实并不复杂，大多数猪企在2021年增加了产能，结果造成了供大于求的一幕，以至于生猪价格低于猪企的养殖成本，被业界讨论多年的“猪周期”现象再一次被市场应验。 比如国内已经出现了数轮“猪周期”，将历史统计数据归纳形成一个数据池，或可以为市场供给、价格调控等决策提供数据参考；再比如对市场上的养殖数据进行汇总后，可以对市场的演变趋势进行预警，帮助猪企适时调整生产预期 譬如云计算、大数据等无法改写猪周期的市场现状，是否可以帮助猪企控制养猪成本，在应对猪周期的过程中有更多试错的底气？ 只是就现阶段而言，大数据等新技术在生猪行业仍然是配角，能否从人治向数治转型，让大数据发挥出应有的作用，还需要一个“奇点”。 事情似乎也没那么糟糕，每一轮猪周期都是猪企的生死考。 让人感到惋惜的是，五年前就有人说农业是产业互联网的最后一片蓝海，现在看依然是蓝海一片，农业的数智化何时才能走出一条通路？但愿不要等太久。
53430编辑于 2023-01-13 猪数据集VOC-2856张
(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：2856 标注数量(xml文件个数)：2856 标注类别数：1 标注类别名称:["pig"] 每个类别标注的框数：
16710编辑于 2025-09-09Sentieon | 猪全基组（WGS）分析流程
引言今天给大家介绍的是基于 Sentieon 软件开发的用于猪全基因组测序数据的自动化流程脚本。 测试猪样本测序深度9.98X，从FASTQ到VCF全流程分析最快用时14.74分钟，大幅缩短了猪全基因组WGS分析时间，有效加快动物的分子育种进程。 p $WORKDIRcd $WORKDIRexec >>$LOGFILE 2>&1echo "SampleID:" $SAMPLEIDecho "DataType:" $TYPE……配置临时目录、线程数， ，下表为不同CPU核数下的计算时间和资源调用情况:本次测试在不同的线程数上进行性能的比较。 从数据中可以明显看出，随着线程数的增加，变异检测的整体效率显著提升。从FastQ到gVCF全流程分析最快用时14.74分钟，大幅缩短了猪的全基因组WGS分析时间，有效加快动物的分子育种进程。
27510编辑于 2025-10-11
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