- 综合排序
- 最热优先
- 最新优先
- 来自专栏四火的唠叨
谈谈盗版软件问题
我相信你和我一样，对盗版软件有着自己的看法。自计算机普及以来，盗版和反盗版的话题就从未停止过。 欢迎盗版的大有人在。有哪位程序员没用过盗版软件？盗版软件，一度极大地帮助了程序员成长，没有盗版，中国哪有那么多 Windows？我们哪能玩上那么多单机游戏？我曾经也是这种观点的强力支持者。 已经越来越鲜有单机软件依然奋斗在通过加密和注册码的手段反盗版的第一线了，原因很简单，破解和盗版的技术越来越高明，反盗版的投入要求越来越大，实在有点得不偿失。 反盗版的故事，从改变习惯开始 新闻出版总署署长柳斌杰表示，《著作权法》正在修改中，其中一个重点是：对盗版的处理判刑可能要再增加，罚款判刑门槛将降低，过去销售 600 张盗版光盘才判刑，以后销售一张两张就会判刑 ，盗版的最大媒介还是网络，而远非盗版光盘了。
1.4K20编辑于 2022-07-15 - 来自专栏小文博客
GTA5最新盗版联机工具+配套游戏安装包
【适配版游戏种子+盗版联机工具已打包】 云盘下载
4.2K40发布于 2018-06-25 - 来自专栏量子位
Facebook狂撒20万美元，悬赏用AI检测P图盗版问题
博雯 发自 凹非寺 量子位 报道 | 公众号 QbitAI 只要你能检测出右边这张图片与左边的原图相似，说不定就能拿走Facebook的10万美元（64万人民币）奖金！ ? 参赛者拿到的这种修改图片大概有5万张。 而需要去对比的将是100万原图。 这些图片都来自于Facebook为比赛所建的一个新的数据集：ISC21数据集（DISC21）。 在这种情况下，参赛者可以从两个方向参与挑战： 无约束匹配 建立一个模型，直接检测某个修改后的图片是否来自给定的数据集。 二、2021年10月26日到2021年10月27日，最终评分 参赛者的模型将面对一个新的5万张修改图像的数据集。 这时，除了要单独处理图像之外，也不能创建额外的图像标签。 △可能涉及到版权保护问题的添加了表情包的图片 他们希望比赛中所产生的相似图片检测技术能够用在像他们这样的社交媒体上。
28910发布于 2021-07-19 - 来自专栏幻影龙王
正版与盗版如何理解？
正版还是盗版，我们应该如何理解？又该如何看待呢？ 何为正版？何为盗版？ 正版的根本定义来自于法律，只有通过正规渠道取得的，具有合法授权的商品，才能被称之为是正版。 而使用盗版，不仅可能要承担相应的法律后果，创作者、开发者也得不到他们应得的回报。与观看盗版视频相比，使用盗版软件和游戏更有受木马病毒危害的风险。 其它的途径基本都属于盗版，但在盗版中也有等级差别。 通过虚假的教育邮箱、学生身份白嫖到的服务严格讲也算盗版，官方随时可以收回使用权。 常见使用盗版的理由： 第一类：没钱 这一类多发生在未成年人身上，因为自己没有独立的经济能力，难以为正版付费。 第二类：没渠道 对于国内没法直接购买的软件注、游戏、没引进的影视，有时很难支持正版，只能选择盗版。购买正版授权流程复杂困难也是一种原因。
4K20发布于 2021-09-08 - 来自专栏燧机科技-视频AI智能分析
yolov5 摔倒检测 跌倒识别检测
摔倒检测跌倒识别检测基于YOLOv5技术来实现的图像识别，是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。 目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。 图片mmpose不同于yolo，SSD等目标检测模型，在视频中进行关节点检测的速度要小于目标检测，即使在边缘计算的盒子上进行部署，也很难对人群进行大规模的关键点检测和判断，因此关键点检测常用于智能运动检测等小规模人群场景 ，图上所示是先使用yolo进行预判断图片openpose和其他关键点检测模型只是给出人体各个器官的点位坐标，而具体需要识别什么，就要自行通过这些坐标进行算法设计，比如引体向上计数，可以通过判断头部节点与肘部节点的坐标进行判断计数 ，对于摔倒，可以通过判断视频前后帧的头部，腰部等关节点进行检测，判断是否摔倒。
1.5K00编辑于 2022-12-05 - 来自专栏不能显示专栏创建者
随病毒传播的软件盗版
它也促进了盗版的迅速传播-就像传播商业软件的非法副本一样。 与企业和消费者使用非法计算机程序副本相比，软件盗版所涉及的范围更大。 潜藏在盗版副本中的通常是恶意代码-恶意软件-对计算机和用户的财务可能同样致命。 5.软件盗版者和黑客在隐藏自己的身份并逃避反盗版技术方面足智多谋。 自商业软件问世以来，就存在盗版软件的行为-非法使用和分发他人的软件。 Dant是一位经过改革的儿童黑客，曾是软件盗版者。 ubiquity of the Internet and the wholesale move to cloud computing are not as secure as they could be. 5.
78700发布于 2021-01-07 - 来自专栏VRPinea
被盗版“吞噬”的国内VR游戏市场
可怕的不是没人买游戏，而是买盗版。 文 |Arachne （VRPinea 4月20日讯）最近，一位VR从业人员称，国内某个提供破解游戏和盗版游戏的VR平台，上架了发行权从属于其公司的VR影片。 正版发行商的无力维权、盗版破解团的泛滥横行，造成这种局面的原因是什么？这对VR游戏开发商，乃至整个国内VR游戏市场又会带来哪些影响呢？ VR影片《睡神的遐思》 盗版VR游戏，从何而来？ 宁愿买盗版，也不愿意走正版渠道，这对于付费意识尚未“觉醒”的部分国内玩家来说，习以为常。 盗版：游戏开发者的“软肋”？ 盗版的传播意味着正版盈利渠道会受到影响。 如果一款由这些小团队开发的VR游戏上架了SteamVR或Oculus store，可以预见几天后就会有盗版游戏流出。 针对盗版丛生的现象，游戏开发商和发行平台往往是无力的。 而对于游戏开发者来说，盗版现象猖獗严重打击了其创作积极性，且习惯于盗版游戏和免费游戏的国内VR玩家也不愿意为正版游戏买单，这就形成了一个恶性循环。
1.2K20编辑于 2022-06-08 - 来自专栏站长的编程笔记
【说站】百度搜索打击盗版网文站点公告，百度开始打击盗版网文。
为了加强知识产权保护，维护正版站点的排序权益，百度搜索将在近期以技术手段，对有盗版特征（如笔趣阁）的小说、网文站点进行识别和处置，以给更多优秀站点展现空间，共建良性的网络生态环境。 现在网络上可以说有数以万计的盗版小说网站，其实我也是其中的一个使用者，如果这次所有网站都打击的话可以说受影响的人相当之多。 收藏 | 0点赞 | 0打赏
36530编辑于 2022-11-24 - 来自专栏腾讯云安全的专栏
第一期——泛滥的盗版
网友 吐槽 开发者 吐苦水 投入数百万打造的APP结果被无数盗版淹没在应用市场； 盗版用户体验极差， 直接影响品牌口碑； 被植入病毒木马后， 我们的真实粉丝造财产损失 移动互联网时代，移动 APP 已经渗透进大家生活点点滴滴，聊天、游戏、购物、娱乐、出行...这些 APP 由程序员们辛苦开发，一方面让用户使用方便与舒适且不受损失，另一方面还要保障企业品牌与利益，但盗版如洪水般泛滥 据统计，国内应用盗版情况相当严重。 比如游戏类应用，超过90%存在盗版情况，且热门游戏平均每款盗版量超过150个，其中超过30%植入了恶意扣费代码，严重侵害用户的权益，这些归根结底都称之为安全问题。 ： >应用加固 1、保护应用源码和核心算法安全 2、防止二次打包，阻止盗版 3、防止木马、外挂等窃取密码等敏感数据 除上述之外，乐固还拥有多个安全方面的措施，本期暂时介绍这么多。
95050发布于 2018-06-12 使用盗版 VMware 被告了。。。
近日，知名云服务商VMware把工业巨头西门子告上了法庭，指控其在美国业务中使用了数千份未经授权的VMware软件副本。
15410编辑于 2026-03-24- 来自专栏机器学习AI算法工程
YOLOv5：道路损伤检测
道路损伤检测任务是对几种道路损伤进行检测，不仅要分类出损伤类别，还要定位到损伤的位置，故实质是一个目标检测问题。 项目体验地址 https://loveai.tech IMSC团队(Hedge等，来自美国南加州大学和约旦德国约旦大学)，提出方法基于 ultralytics-YOLO (u-YOLO) [YOLOv5, ，而如果用每幅图像的检测时间来衡量，该方法在检测速度方面是最差的。
2.1K50发布于 2021-07-14 - 来自专栏机器学习AI算法工程
yolov5小目标检测-提高检测小目标的检测精度
向AI转型的程序员都关注了这个号 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。 CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构； Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数 YOLOv5的网络结构 github 链接 https://github.com/ultralytics/yolov5 下载之后按照其中的README.md文件进行配置和设置。 YOLOv5数据集的设置 对yolov5/data/buy.yaml文件进行配置 其中 1：yours数据集的根目录 2：代表生成yolo要求的txt文件 3: 提高小目标检测的基本思想 1、数据加强 2、滑动窗口检测：将图片分割为n个小区域分别检测，最后在concat成正常图像大小。本文也是主要介绍这种思想。
3K12编辑于 2024-02-05 - 来自专栏往期博文
【目标检测】YOLOv5分离检测和识别
前言 YOLO作为单阶段检测方法，可以直接端到端的输出目标对象位置和类别，而在一些大型无人机遥感等目标检测任务中，使用单阶段检测往往会产生类别预测错误的问题。 正好，YOLOv5-6.2版本提供了一个图像分类的网络，那么就可以借此将YOLOv5进行改造，分离检测和识别的过程。 然后运行detect.py，注意save-crop参数设为True，检测完之后，可以得到输出结果： 数据分类 下面进入到二阶段的图像分类的训练，在开始之前，需要拉取YOLOv5仓库的最新版本，注意不要拉取 总结 使用二阶段目标检测带来的明显好处是： 类别划分更加精准 对于虚检目标可以有效剔除 不过存在的问题是： 目标尺寸变化范围大时，很难确定输入图片的合适大小 对于图像边缘目标，容易造成误判 附录：YOLOv5s 使用python export.py --weight yolov5s.pt --include onnx将其转换成onnx格式后，可以用Netron打开查看其结构： 可以看到，yolov5s6在模型最后的输出部分新增了一个检测头
1.8K21编辑于 2022-11-14 - 来自专栏往期博文
【目标检测】YOLOv5推理加速实验：图片批量检测
前言 上篇博文探究了一下多进程是否能够对YOLOv5模型推理起到加速作用，本篇主要来研究一下如果将图片批量送入网络中进行检测，是否能对网络的推理起到加速作用。 YOLOv5批量检测源码解析 YOLOv5在训练过程中是可以进行分批次训练(batch_size>1)，然而在默认的推理过程中，却没有预留batch_size的相关接口，仍然只是单张图一张张进行检测推理 实际进行检测的代码块在yolo.py文件中的_forward_once方法。 速度比较 下面使用RTX4090单卡进行速度测试，数据集选用VisDrone的部分数据，模型选择YOLOv5s： 测试结果如下表所示： 图片数量 直接检测花费时间(s) 批量检测花费时间(s) 100 从结果可见，批量检测并没有预期的速度提升，反而比直接单张检测更慢。估计这也是为什么官方不在detect中预留多个batch检测接口的原因。
3.1K30编辑于 2023-04-12 - 来自专栏机器学习AI算法工程
yolov5人脸检测，带关键点检测
代码说明： 1，在yolov5的检测基础上，加上关键点回归分支，请先下载yolov5的工程：https://github.com/ultralytics/yolov5 2，detect_one.py是单张图片的测试代码 hyp.scatch.yaml中增加关键点loss的超参数（landmark: 0.5） (2)yolo.py中增加了关键点回归的计算 (3)face_datasets.py为人脸数据的读取方式，准备数据的格式参考yolov5的格式 ，在后面增加关键点的坐标（归一化） (4) loss.py中增加关键点回归的loss计算 (5) 链接: https://pan.baidu.com/s/1zjPIF2NZ9CGtB2iUCox6hw 关于口罩人脸的问题： 1，增加口罩人脸这个类别，建议不要直接在检测分支中增加类别。 2，应该在关键点分支额外增加一个属性分支，接一个二分类，判断有没有戴口罩。
3.1K30发布于 2021-05-11 - 来自专栏YOLO大作战
YOLOv5改进： RT-DETR引入YOLOv5，neck和检测头助力检测
： YOLO 检测器有个较大的待改进点是需要 NMS 后处理，其通常难以优化且不够鲁棒，因此检测器的速度存在延迟。 为避免该问题，我们将目光移向了不需要 NMS 后处理的 DETR，一种基于 Transformer 的端到端目标检测器。 然而，相比于 YOLO 系列检测器，DETR 系列检测器的速度要慢的多，这使得"无需 NMS "并未在速度上体现出优势。 上述问题促使我们针对实时的端到端检测器进行探索，旨在基于 DETR 的优秀架构设计一个全新的实时检测器，从根源上解决 NMS 对实时检测器带来的速度延迟问题。 1, 1, SPPF, [1024, 5]], # 9 ] # YOLOv5 v6.0 head head: [ [-1, 1, Conv, [256, 1, 1, None, 1, 1,
2.1K10编辑于 2023-12-17 - 来自专栏Java面试教程
小说网站防盗版大揭秘
互联网上的盗版文学 一位网络作家向我倾诉 自己熬夜码字写的小说 每次刚更新一章就被盗版网站秒传 作者收入锐减 读者体验差 平台口碑崩塌 今天我们就来拆解 小说网站如何用技术手段守住版权 拒绝白嫖 核心思路 ：内容加密 + 请求验证 盗版网站最常用手段是爬虫抓取内容 所以防盗版的核心是 让内容不可直接读取 且只有合法请求才能解密 看一个最简单的对称加密AES的例子 在服务器端对小说内容加密 网页、App端用密钥解密 (decoded)); } } 这样爬虫抓到的只有加密字符串 如 aKJHlHKJpouihKJjnbdrtyiu= 无法直接解析成文字 除非获取到动态密钥 请求签名验证 由于爬虫的机械性 盗版网站常伪造请求 若签名不匹配 直接返回403表示无权访问 内容混淆防盗链，让爬虫抓取全是错字 有个小说网站很先进 直接阅读文字都是正确的 但复制下来就都是错字 比如 “大白” 会变成 “小黑” “张三” 会变成 “李四” 让盗版阅读者感觉狗屁不通 实际可以增加一些自己的算法策略 多种方式相结合 包括论文、知识产权等 都可以套用这些方式 防盗版不是技术竞赛 而是对创作者的尊重
33410编辑于 2026-03-03 - 来自专栏淡定的博客
html5之网络状态检测
在原生APP中,比如QQ,它可以检测QQ是处于在线还是离线状态,但是在网页中,或者早期web app中,没有检测网络状态的能力,因此在HTML5中出现了网络状态检测API 代码 <!
1.6K20发布于 2018-09-06 - 来自专栏全栈文档库
YOLOv5实现目标检测
目标检测在计算机视觉领域中具有重要意义，yolov5（You Only Look One-level）是目标检测算法中的一种代表性方法，以其高效性和准确性备受关注，并且在各种目标检测任务中都表现出卓越的性能 本文介绍了如何配置yolov5的运行环境、如何进行数据标注、如何通过yolov5训练数据集实现图片的目标检测。 二、下载解压yolov5代码 GitHub上yolov5下载地址：https://github.com/ultralytics/yolov5 这个代码包作就是yolov5的项目文件，下载之后解压。 我们切换到我们刚刚创建的虚拟环境yolov5下： conda activate yolov5 #切换到yolov5虚拟环境 可以看到我们从base环境(Anaconda自带的默认环境)切换到了yolov5 2、pip安装yolov5所需要的第三方库 conda activate yolov5 #切换到yolov5虚拟环境 d: cd D:\Projects\PyCharm\YoLo\yolov5 #切换目录到
8723433编辑于 2024-02-03 - 来自专栏硬件大熊
浅谈5类过零检测电路
在电力电子中，零点电压检测(通常简称为过零检测)技术被广泛应用。通过检测电路追踪交流电的电压变化过程，在交流电压为”零”的时刻输出信号，利用该信号我们可以做很多工程应用。 例如，在智能开关产品中通过零点电压检测技术来实现零电压时刻导通，从而抑制开机浪涌电流，达到保护继电器触点等器件的目的；在调光开关/调光器、电机调速产品中，通过零点电压检测技术可从零点开始控制交流电导通角的大小 过零检测电路有多种实现电路方式，下面列举几种工程设计常用的几种设计方案—— 一、采用比较器的过零检测电路 通过分压电阻将交流信号衰减至比较器正端输入，当交流输入超过零基准电压时，过零检测电路会改变比较器的输出状态 四、采用ADC采集的过零检测电路 通过分压电阻将交流信号衰减至ADC输入端，通过ADC进行电压采样来检测过零点。 ； 2.罗姆半导体(ROHM)的过零检测IC，BM1Z系列 上述仅简单举例几种常见的过零检测电路，除此之外仍有很多电路可实现该功能检测，当然在实际工程应用中也会碰到一些细节问题，例如：硬件电路延时、
10.2K20编辑于 2022-06-23
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