- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
学习分类 2-2 内积
对于分类问题，我们不再像回归问题那样，找出直线的斜率和截距。为了方便理解，将拥有一个特征的回归问题所绘制的图示和拥有两个特征的分类问题绘制的图示进行对比。
58810编辑于 2022-11-08 - 来自专栏IT技术圈
习题2-2 阶梯电价 (15分)
为了提倡居民节约用电，某省电力公司执行“阶梯电价”，安装一户一表的居民用户电价分为两个“阶梯”：月用电量50千瓦时（含50千瓦时）以内的，电价为0.53元/千瓦时；超过50千瓦时的，超出部分的用电量，电价上调0.05元/千瓦时。请编写程序计算电费。
3.3K10发布于 2021-04-01 - 来自专栏优图实验室的专栏
视觉AI，第一！
刚刚，腾讯的视觉AI能力得到了国际权威行业研究机构IDC的认可。 在IDC发布的“2021年亚太地区（不含日本）视觉人工智能软件平台供应商”评估报告中，腾讯的视觉AI能力位列中国厂商战略维度第一！ 作为中国最大的人工智能服务提供商之一，腾讯云在AI领域的技术和应用一直走在前列。目前，腾讯云AI已提供了超过300多项标准化AI开放能力和80+AI行业解决方案。 在本次的评估中，依托腾讯优图实验室等顶尖实验室多年的技术研究和落地探索，腾讯云AI为数十万家内外部客户提供AI技术服务和丰富的计算机视觉产品组合，包括人脸识别、人脸核身、图像视频处理和分析、OCR与AI 泛娱乐等，同时也为国家人口普查、健康码、粤港澳小程序等提供核心的自研AI技术能力，为金融、工业、汽车等传统企业提供端到端的解决方案，腾讯云都提供了非常丰富的视觉AI产品组合，这也是IDC给出高分的一大原因 作为腾讯顶级的人工智能实验室，腾讯优图实验室始终专注基础研究、产业落地两条腿走路的发展战略，持续输出顶尖的视觉AI能力。
1.1K30发布于 2021-10-28 - 来自专栏Hank’s Blog
2-2 R语言基础 向量
> x <- vector("character",length=10) > x1 <- 1:4 > x2 <- c(1,2,3,4) > x3 <- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致，R就会强制转换，将他们变为同一类型 > x4 <- c("a","b","c","d")
78110发布于 2020-09-16 - 来自专栏波波烤鸭
2-2 SPU和SKU详解及MyBatisPlus自动生成
2-2 SPU和SKU详解 商城系统中的商品信息肯定避免不了SPU和SKU这两个概念，本节就给大家详细介绍下这块的内容 1、掌握SKU和SPU关系 SPU = Standard Product Unit
3.2K41发布于 2021-01-21 - 来自专栏刷题笔记
2-2 学生成绩链表处理 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101169860 2-2 学生成绩链表处理 (20 分) 本题要求实现两个函数，一个将输入的学生成绩组织成单向链表
1.6K20发布于 2019-11-08 - 来自专栏mysql
hhdb数据库介绍(2-2)
HHDB Server在计算节点、数据节点、配置库等层次提供全面的高可用保障。提供完善的心跳检测、故障切换对存储节点同步追平判断、全局自增序列在故障时自动跳号、客户端连接Hold等机制，保障数据服务的可用性与数据的一致性。
21510编辑于 2024-11-28 嵌入式AI视觉落地的那些事儿——直面AI视觉落地难的挑战
一、QT界面开发：算法与界面必须解耦嵌入式AI应用通常需要图形界面，QT是常见选择。但开发中容易陷入一个误区：把算法函数直接写在界面类的响应函数里。点一下“开始检测”，界面就卡住，直到检测完成才能动。 三、嵌入式平台适配：每块板子有自己的脾气RK3588和Jetson Orin是当前主流的嵌入式AI平台，但开发体验差异不小。交叉编译环境搭建就是个开端，库依赖容易出问题。 五、从原型到产品，每一步都不能省嵌入式AI产品开发，不是“写个算法然后拷过去”那么简单。界面要响应快，算法要跑得稳，硬件资源要榨干，还要考虑设备长时间运行的散热和稳定性。 高培觉得嵌入式AI开发需要的不是单点技术，而是全局视角：QT界面、OpenCV算法、模型部署、多线程优化、硬件加速、系统稳定性，缺一不可。
12401编辑于 2026-03-23- 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程2-2：性别质控
「原理：」检查性别差异。先验信息，女性的受试者的F值必须小于0.2，男性的受试者的F值必须大于0.8。这个F值是基于X染色体近交（纯合子）估计。不符合这些要求的受试者被PLINK标记为“PROBLEM”。
1.6K31发布于 2020-05-18 - 来自专栏python3
Python自动化开发学习2-2
open()打开文件。windows系统默认的是gbk编码，如果不指定字符编码，就会使用系统默认的字符编码打开文件。比如这时python就会使用gbk编码去读utf-8文件，运行后会报错或者读到乱码。
73530发布于 2020-01-10 - 来自专栏悟道
2-2 二分&前缀和模板
二分模板 int mid=0; while(left<right){ mid=(left+right)/2; if(check(mid)<K) r=mid; else l=mid+1; } 前缀和模板 : 前缀呢 无非就是 从left->right的和: ( s[right] - s[left-1]) import java.util.Scanner; public class Main { public static void main(Stri
37430发布于 2021-03-11 - 来自专栏智慧物联产品＆方案
AI视觉识别有哪些工业应用
AI视觉识别，主要是利用人工智能算法对图像或视频数据进行分析和处理，以提取关键信息并执行筛选、判断、预警等任务。AI视觉识别涵盖多种应用，如人脸识别、目标检测和识别、图像分割、行为识别、视频分析等。 本篇就简单介绍一下AI视觉识别的应用场景。1、质量控制和检验在制造领域，AI视觉识别可用于检查生产线上的产品是否存在缺陷，确保产品质量稳定，减少残次品。 3、智能安防在公共安全领域，AI视觉可以识别和跟踪公共场所中的在逃嫌疑人，以及可用于安全管制区域的访问控制。 5、智慧零售在零售领域，AI视觉识别可以通过监控店铺客流、货架消耗来分析营销和库存水平，提升店铺经营效率。6、智慧农业AI视觉识别可以通过空中或地面图像，识别监测作物生长状态、健康状况、病虫害情况等。 7、自动驾驶汽车AI视觉可以帮助车辆感知环境、检测障碍物并安全导航，这已成为智能化新能源车的必备能力之一。以上人工智能视觉识别在不同行业的多样化应用的几个例子。
1.8K10编辑于 2023-11-27 - 来自专栏理论坞
视觉数据和AI的“杀手应用”
虽然许多人正在寻找“杀手级”的视觉，但更有可能视觉是AI和计算机的“杀手级应用”。 ? 今天有AI模块的app，只需拍摄一个照片，便可在几秒钟内告诉你狗的种类，或植物的种类。 例如，最前沿的AI系统采用在人脑神经网络之后建模的深度学习或深层神经网络。（当然，他们没有任何地方接近人类相同的能力）。 AI系统和视觉数据 视觉对于我们具有非常重要的意义，这解释了为什么65％的人都是视觉工作者。 要做到这一点，它需要更高质量的视觉数据和复杂的算法将信息翻译成有意义的东西。 当涉及到AI，领先的科技公司都在这个领域寻求突破和探索。他们知道，AI是一个改变我们生活和工作的游戏规则。 虽然许多人正在寻找“杀手级”视觉，但我想说，视觉是AI和计算领域的“杀手级” 。 我们已经依赖于视觉内容。然而，飞飞预测，随着相机技术和传感器的使用越来越多，未来将更加依赖它。
56630发布于 2018-08-06 - 来自专栏人工智能
多模态AI与视觉语言模型
然而，真实世界的智能需要跨越感官的界限，实现视觉、语言、声音等多种信息的统一理解与生成。 CLIP：连接视觉与语言的桥梁 CLIP原理 CLIP（Contrastive Language-Image Pre-training）由OpenAI于2021年发布，通过简单而强大的理念实现了视觉和语言的统一理解 CLIP的影响 CLIP证明了大规模对比预训练的有效性，开启了视觉-语言模型的新纪元。 从零样本分类到图像生成，从视觉问答到多模态对话，多模态技术正在不断拓展AI的能力边界。 未来，随着模型规模的扩大和训练数据的积累，多模态AI将在更多领域发挥作用，为人机交互带来革命性变化。 掌握多模态学习的技术，将帮助读者在AI浪潮中把握机遇，创造更智能的应用。
69910编辑于 2026-01-21 - 来自专栏做数据的二号姬
认真聊AI | 计算机视觉
计算机视觉是一门研究如何对数字图像或视频进行高层理解的交叉学科。 据说人一生中70%的信息都是通过看获得的，很容易联想到，对于致力于和人类一样拥有智能的AI也很看重看得能力。 实际上，计算机视觉的技术在生活的方方面面都有着应用，如指纹识别、车牌识别、人脸识别、视频监控、自动驾驶、增强现实等。 视觉任务处理对人类来说非常简单，但是对计算机来说确很复杂。 尽管计算机视觉任务繁多，但大多数任务本质上可以建模为广义的函数拟合问题。即对任意输入图像X，需要学习一个以Θ为参数的函数F，使得y=F0(X)。 除此之外，基于深度学习的计算机视觉应用也比较多，神经网络之类的方法在计算机视觉上的应用还是比较广的。 比如现在应用比较广的人脸识别技术，仅从步骤上来说，也就是简单的几个步骤： 第一步，人脸检测。 尽管深度学习给计算机视觉带来了很多革命性的改变，但是目前的计算机视觉领域还是一个以来大规模、强监督的数据路线上。从这个角度上来说，计算机视觉可能更像一个劳动密集型的产业，大量依赖于数据标注。
37600编辑于 2025-07-14 - 来自专栏CreateAMind
彻底解决AI视觉深度估计
(i) 和视觉可能性(1)3 与对眼睛角度 µθ 的置信度不同，该置信度仅受到以下级别的可能性的偏差，该置信度同时受到 中编码的先验和来自 的视觉可能性的影响。 3.3. 这反映了这样一个事实，即生物中央凹中心的受体远多于周边视觉的受体，而周边视觉之前是用指数关联建模的[25]。 在均匀条件下，视觉噪声设置为零。 最后，同时实现深度估计和目标固定的主动视觉模型所达到的性能水平几乎与在正确位置初始化固定的模型相当。事实上，后两个条件之间唯一明显的区别是主动视觉条件下的时间步数稍多。 我们的结果表明主动视觉可以改善深度估计。然而，如果聚散度不能提供有用的深度提示，那么这怎么可能呢？答案在于中央凹的分辨率不均匀，其注视中心的感受器远多于周边视觉的感受器。
93711编辑于 2024-04-11 视觉智能·场景进化：AI 视频系统训练平台重塑智能视觉新范式
AI 视频系统训练平台通过构建端到端的视频理解与生成训练体系，实现了从"单帧识别"到"时序理解"、从"通用模型"到"场景专家"的技术跨越，为智能视频分析提供全方位的模型训练支持。 核心痛点解析场景迁移性能差：在特定场景训练的模型，迁移到新环境时性能急剧下降标注成本极其高昂：视频标注需要逐帧处理，时间成本是图像的数十倍时序关系建模困难：传统方法难以有效捕捉视频中的长时序依赖关系多模态融合低效：视觉 工业视觉检测针对制造业质量检测需求，提供小样本缺陷检测训练方案。通过生成对抗网络合成缺陷样本，解决正负样本不均衡问题，使缺陷检出率提升至 99.3%，误报率降至 0.02%。
48110编辑于 2025-10-30HarmonyOS NEXT AI基础视觉服务-人脸识别
案例描述这是一个基于AI基础视觉服务实现的人脸识别案例，通过调用设备相册选择图片后检测图像中的人脸信息并展示结构化识别结果。实现步骤：1. 人脸检测核心实现// 初始化人脸检测器faceDetector.init();// 配置视觉识别参数const visionInfo: faceDetector.VisionInfo = { pixelMap
51610编辑于 2025-03-30- 来自专栏燧机科技-视频AI智能分析
加油站ai视觉识别系统
加油站ai视觉识别系统通过yolov7网络模型深度学习，加油站ai视觉识别系统对现场画面中人员打电话抽烟等违规行为，还有现场出现明火烟雾等危险状态。 加油站ai视觉识别系统还可以对卸油时灭火器未正确摆放、人员离岗不在现场、卸油过程静电释放时间不足等不规范情形进行智能识别记录。
71830编辑于 2023-03-05 - 来自专栏MixLab科技+设计实验室
视觉特效·AI视频抠图·换脸
好学的 ace 我最近在学习blender里的VFX，秀下我的学习成果~~ 视觉特效 Visual effects, 简称VFX 合成真人拍摄的镜头和计算机生成图像，以创造虚拟的真实场景。 其实不用呀，可以好好研究下AI视频抠图的技术 shadow eva 大批量的绿幕视频就有了。。 无界 配合上AI换脸之类的，素材更多了~~ 3D实时换脸技术 对，如果是偏艺术的素材，还可以有这种复活名画的玩法~~ shadow AR艺术滤镜 使用mediapipe的facemesh模型实现的
5.2K10发布于 2021-08-26
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