- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户6554964的专栏
AI自动识别户型图生成数据建模解决方案
测试识别户型图：图片图片图片图片房型图识别的任务分析。拿到任务后，对当前比较流行的房图风格，进行简单的观察和分析，主要有以下几点：。 最后对识别出的墙面积进行矢量化，得到墙的端点和拐点信息，完成墙的识别。。门窗的识别可以在墙体识别结果的基础上进行。以上主要是用OpenCV中的形态学函数实现的。 当然，在比较困难的图像识别问题上，很少有算法能够达到100%的准确率。对于识别结果中出现的个别错误识别案例，可以在交互中提供修改工具供设计人员使用，大大提高了设计人员的工作效率。 目前，三维家居、酷居装修设计软件也集成了类似的、智能识别户型图中墙面的功能，并提供了对正确和错误的识别和修改的交互工具。基于机器视觉单元图素自动提取方法：第一步是对房屋图进行二值化处理，得到二值图像。 第二步是从二值化图像中识别字符的大小、字符所在的区域和区域的位置，并识别图像中的直线。第三步，将识别的大小数字字符与其对应的比例线段进行匹配。
3.3K40编辑于 2022-11-12 - 来自专栏快乐学AI系列
快乐学AI系列——计算机视觉（6）人脸检测和识别
本系列是由“MATRIX.矩阵之芯”精炼的AI快速入门系列，特色是内容简洁，学习快速。 相关要求：学员需要掌握Python编程基础，另外还需要有一定的线性代数、概率论基础 人脸检测和识别是计算机视觉中的一个重要应用领域，它可以识别人脸的位置、姿态、表情等信息，并对这些信息进行分类和识别。 在实际应用中，人脸检测和识别被广泛应用于安防监控、人机交互、图像搜索、广告投放等领域。 人脸检测是指在一张图像中定位出其中的人脸，并标出其位置。 人脸识别是指对检测到的人脸进行特征提取，并将提取出的特征与已知的人脸数据库进行比对，以达到识别出人脸的目的。人脸识别技术主要分为两类：基于特征的人脸识别和基于模型的人脸识别。 基于特征的人脸识别将人脸图像转换为特征向量，再利用分类算法对其进行分类；而基于模型的人脸识别则使用统计学模型、神经网络等算法，对人脸图像进行建模，以达到识别的目的。
91520编辑于 2023-04-06 - 来自专栏机器学习原理
NLP(6)——命名实体识别
为什么需要实体识别 普通的工具如hanlp，htp，不能识别特定领域的专有名词，所以需要实体识别的算法。下面就以医疗专业为例子来谈一下医疗专业的命名实体识别。 先边界识别 然后进行类别判定 例如医疗需要识别的命名实体的类型有疾病、疾病诊断分类、症状、检查、治疗在这五类以及疾病和症状的修饰信息。 (6)待证实的: 当前不会发生, 但预期会发生。 比如: 手术一周后会有局部瘙痒 多在皮疹出现后1~4周左右出现血尿和 (或) 蛋白尿。
2.3K30发布于 2018-08-27 - 来自专栏谭广健的专栏
AI识别之旅三
前两篇说了AI识别的准备和录入到腾讯云里，接下来我们就来编写一个从人脸库进行识别的功能，老样子那第一篇摄像头那里拉图片。因为有第二篇拉依赖库，这里就不在叙述了。直接来代码了。。 如果正常，返回的将是多长JSON数据 "{\"FaceModelVersion\":\"3.0\",\"FaceNum\":8,\"RequestId\":\"ec774481-52ac-4cbb-9d6a 至此，我们就完成简单的AI识别功能人员。最后放出解释多层JSON的代码吧。。。
73941发布于 2020-02-27 - 来自专栏谭广健的专栏
AI识别之旅一
说到AI识别，很多人会觉得很神秘很高大尚。但随着科技的发展AI已经逐步成熟和简单，这几天我们就围绕如何打造一个AI识别系统进行宣讲吧。 首先AI识别系统，肯定是通过类似视觉识别这样，有图才能有结果，当然你说语音识别就要语音才有结果。不过语音不是咱们这次的重点。我们以视觉识别为主。 视觉识别肯定要通过摄像头获取外界或对应事物的情况，接下来，就是我们这篇文章的重点，如何在安卓上构建摄像头，也希望能使大家减少一些弯路。 这样我们的AI识别之旅就算踏出了第一~
1K51发布于 2020-02-21 - 来自专栏机器学习AI算法工程
贝壳找房的深度学习模型迭代及算法优化
用户在使用贝壳找房产品时，经得用户同意后，APP 会采集当前用户 GPS 的位置信息，根据时段划分两类不同样本，比如上午的 10 点到晚上 6 点之间的位置是用户工作地，晚上的 8 点到早上 8 点的位置是用户居住地 AI 选房 AI 选房本质为 TopN 排序问题，属于优选问题。通过对房源质量进行打分，选出分数最高的 N 个房源。 那么该如何进行 AI 选房？如何对房源质量进行打分呢？ 其中，NLU 自然语言理解作为核心模块负责意图识别。将识别的问题经过 DM（对话管理模块）分发给不同的机器人处理问题。 4人工智能在户型图自动生成算法中的应用 为增加用户对房屋的理解，贝壳基于自研设备采集到房屋的二维和三维信息，对房源进行深度解读；同时使用人工智能技术，全自动生成房屋三维模型和户型图。 FloorNet 算法在生成户型图的应用 FloorNet 是从点云出发构建户型图的自动重建算法。
2.8K20发布于 2019-10-28 - 来自专栏谭广健的专栏
AI识别之旅二
上次说到AI识别第一步就是获取图片并保存下来，相信很多小童鞋应该尝试了。接下来我们就开始对AI识别进行第二步，建立一个AI匹配库。 这个AI匹配库的作用就是把我们第一步获取的图片跟这个识别库进行匹配判断，看看匹配库有没有该图片。这次我们就上腾讯云进行部署。 1、首先登录腾讯云，找到“人脸识别”，点开“人员库管理”中的人员管理，选择“新建人员库”，填入相关的资料。当然这个有API的，不过我们直接手动建省很多事。
77411发布于 2020-02-22 - 来自专栏PDF 开发
AI文档识别技术之表格识别(一)
，主要包括（行数，列数，合并单元格数）目前DocumentAI表格识别已实现V2版本，大幅提升标准表格的识别准确率，具体信息会在下一篇blog中再具体说明1. 扫描的手写文档，它们的文档样式、所处光照环境以及纹理等都有比较大的差异，表格识别一直是文档识别领域的研究难点。 表格线条不清晰，需要人为添加表格线条分割表格内容，例如下面的表格就缺少很多的横线与竖线图片1.2 识别原理DocumentAI通过结合AI与传统算法实现表格识别，主要用到的AI能力与算法有：AI：版面分析能力 （通过AI版面分析检测表格在图片内所处的区域）AI：OCR能力（通过OCR实现识别表格内容）算法：图像处理算法（通过结合图像处理算法辅助获取表格结构信息）通过以上的AI与算法再结合一些表格识别算法即可实现通用表格识别 ，同时支持识别标准表格与非标准表格2.
3.3K40编辑于 2023-08-09 - 来自专栏TSINGSEE青犀视频
2024年AI视频识别技术的6大发展趋势预测
随着人工智能技术的快速发展，AI视频识别技术也将会得到进一步的发展和应用。2023年已经进入尾声，2024年即将来临，那么AI视频识别技术又将迎来怎样的发展趋势？ 以TSINGSEE青犀视频智能分析系统为例，该系统是面向多场景的视频AI识别系统，可提供视频接入与查看、智能分析、任务调度、算力分配、告警统计、系统管理等功能，具有算法多、识别准、功能全、性价比高等特点 随着硬件和软件技术的不断升级，2024年的AI视频分析技术将具备更高的准确性和速度，这将使得AI视频识别技术在各种环境下的应用更为普及，AI视频识别技术将被广泛应用于智能视频监控中，例如安防、交通、工业等领域 3）跨模态融合：AI视频识别技术将越来越多地与其他感知模态融合，如语音识别、传感器数据等。这将使系统更全面地理解环境，并提高对复杂场景的感知和理解，例如人机交互等。 6）广泛应用于行业：AI视频识别技术将在各个行业得到更广泛的应用，包括但不限于智慧城市、医疗卫生、零售、工业制造等。这将改变各行业的运作方式，提高效率和安全性。
1.8K10编辑于 2023-12-08 - 来自专栏iSharkFly
Confluence 6 配置校验和识别 原
识别系统属性 请参考 Recognized System Properties 页面中的内容来找到针对你安装 Confluence 版本可以配置的系统属性参数。 https://www.cwiki.us/display/CONF6ZH/Configuring+System+Properties
46320发布于 2019-01-30 - 来自专栏燧机科技-视频AI智能分析
AI人员打架识别算法
AI打架识别算法基于Detection网络模型算法框架，AI打架识别算法识别校园打架斗殴行为，发现立即打架斗殴行为算法会立即抓拍告警推送打架事件信息。 ，而AI人员打架识别算法直接从图片生成位置和类别。 研究现状 目前AI人员打架识别算法，主要有3种主流的方法，分别是：（1）基于Detection的打架检测。其主要思想是: 将打架作为一种类别，通过分类的方式，将打架行为检测出来。 2.选取的方案 我这里选择方案1，AI人员打架识别算法基于目标检测做打架识别。前文也提到了，目前数据集十分匮乏。笔者也是反复查找，终于拿到了国外的一份很好的数据集。 基本流程是：Labelme标注 -> 标注数据整理与格式转换 -> AI人员打架识别算法模型训练 -> 部署2.2 AI人员打架识别算法标注数据整理与格式转换 Labelme标注的数据，无法直接用在训练中
1.4K20编辑于 2023-09-22 - 来自专栏燧机科技-视频AI智能分析
ai行为识别技术监控
ai行为识别技术监控系统软件是一种以行为识别技术为关键技术的深度学习算法，根据人工智能化神经元网络，构造大家的主要模块架构，ai行为识别技术监控 依据我们的轨迹测算各种各样健身运动行为，根据视频转码技术 、流媒体播放技术、数字矩阵技术、云技术等，ai行为识别技术监控拍照的各类现场作业人员的异常行为，帮助监控工作人员提高解决各类出现异常紧急事件的效率。 ai行为识别技术监控具备普遍的应用领域，可以用在智能交通、智能化施工工地、智能制造系统、智慧校园、智能化生态公园等。只需有视频监控的地区，就可以完成覆盖识别分析。 ai行为识别技术监控是一种极致的视觉检测系统，应用人工智能视频分析优化算法对视频图象开展即时解析和识别，将监测到的信息与管理者给予的监控规则相对比，并即时消息推送信息和预警信息。 ai行为识别技术监控剖析，可以在紧急状况下开展预警信息，该技术关键完成了对视频监控具体内容数据的分析和获取主要信息内容，并在标识后产生警示。
70520编辑于 2022-09-12 - 来自专栏iSharkFly
Confluence 6 识别慢性能的宏 原
https://www.cwiki.us/display/CONF6ZH/Identifying+Slow+Performing+Macros
53530发布于 2019-01-30 - 来自专栏iSharkFly
Confluence 6 识别系统属性 原
officeconnector.spreadsheet.xlsxmaxsize 4.0.5 2097152 Office Connector 当使用 viewxls 宏的时候，确定 Excel 文件中识别的最大字节 sandbox 将会检查每次请求的时间是否超过了 6 秒钟。 officeconnector.spreadsheet.xlsxmaxsize 4.0.5 2097152 Office Connector 当使用 viewxls 宏的时候，确定 Excel 文件中识别的最大字节 sandbox 将会检查每次请求的时间是否超过了 6 秒钟。 https://www.cwiki.us/display/CONF6ZH/Recognized+System+Properties
1.2K30发布于 2019-01-30 - 来自专栏全栈程序员必看
AI图像识别_头像搜索图片识别在线
使用百度AI图像识别提供的API接口来搭建识图工具，首先要注册百度开发者账号，然后找到图像识别页面，创建应用，申请成功后会给两个重要的数据API Key ，Secret Key，这是实现识图的重要参数， 二进制方式打开图片文件 f = open('[本地文件]', 'rb') img = base64.b64encode(f.read()) params = {"image":img,"top_num":6} QFileDialog import json import base64 import urllib import urllib.request """ 你的 APPID AK SK """ # http://ai.baidu.com translate("Form", "红酒")) self.comboBox.setItemText(5, _translate("Form", "货币")) self.comboBox.setItemText(6, elif self.comboBox.currentIndex() == 6: self.get_flower(self.get_token()) pass # 果蔬类识别 elif self.comboBox.currentIndex
4.6K10编辑于 2022-09-20 - 来自专栏iSharkFly
Confluence 6 识别慢性能的宏 原
https://www.cwiki.us/display/CONF6ZH/Identifying+Slow+Performing+Macros
38340发布于 2019-01-30 - 来自专栏新智元
AI可提前6年识别老年痴呆症，准确率高达98%
目前阿尔兹海默症并没有治愈的方法，但是近期，来自加州大学旧金山分校的医学博士Jae Ho Sohn利用机器学习方法，应用于PET扫描，能够在确诊前6年做出诊断，准确率高达98%。 研究人员利用一种常见的脑部扫描编写了一种机器学习算法，在确诊出早期阿尔茨海默症(Alzheimer 's disease，又称老年痴呆症)前大约6年前就可以做出诊断，这可能会给医生提供一个干预治疗的机会 人类放射科医生非常擅长识别像脑肿瘤这样的微小病灶，但我们很难发现更缓慢的全局变化。” 更重要的是，在患者接受最终诊断之前，它平均预测了75.8个月 ，略多于6年。 Sohn说，下一步的计划是在来自不同医院和国家的更大、更多样化的数据集上测试并校准算法。
1.5K20发布于 2019-01-09 - 来自专栏程序你好
Azure AI 服务之语音识别
笔者在前文《Azure AI 服务之文本翻译》中简单介绍了 Azure 认知服务中的文本翻译 API，通过这些简单的 REST API 调用就可以轻松地进行机器翻译。 该程序会以不同的模式识别我们 hardcode 的两段音频数据，然后输出识别的结果。其中上面的文本框会输出大量的中间识别结果，而下面的文本框则输出最终的识别结果。 我们在程序中通过定义的常量来保存它们： const string SUBSCRIPTIONKEY = "your bing speech API key"; 由于 demo 的代码比较长，为了能集中精力介绍 Azure AI 代码中我们要通过它们来告诉语音识别 API 执行识别的类型。 AI 的兴起让我们看到了一线希望，在介绍了 Azure AI 的语音识别服务后，让我们接着探索如何通过 AI 让程序理解文本的内容。
1.8K20发布于 2018-07-20 - 来自专栏AI算法与图像处理
附源码 | SeetaFace6Open开源人脸识别引擎库 人脸识别演示
SeetaFace6提供了人脸的11个模型，本体验用到了其中7个。 已用到：人脸检测，关键点检测，人脸识别，性别，年龄，眼睛，活体检测； 未用到：带口罩识别，人脸追踪，人脸姿态，质量评估。 SeetaFace6：https://github.com/SeetaFace6Open/index SeetaFace文档完善，开发方便。支持戴口罩与不带口罩的人脸识别： ? vector<SeetaPointF> points(FL.number()); FL.mark(image, face, points.data()); //----人脸识别 + face.height, frame); } Scalar title_color(0x00, 0x8C, 0xFF); //绘制人脸库 int space = 6; { /* static std::vector<string> labels = { "船名: GOLDEN MONTERREY", "呼号：V7MG6"
6.4K30发布于 2021-01-20 - 来自专栏燧机科技-视频AI智能分析
AI智能工服识别算法
AI智能工服识别算法通过yolov5+python网络深度学习算法模型，AI智能工服识别算法通过摄像头对现场区域利用算法分析图像中的工服特征进行分析实时监测工作人员的工服穿戴情况，识别出是否规范穿戴工服 AI智能工服识别算法特征提取是指提取工服中的点或者块。因此不需要精确的人体定位和跟踪，并且局部特征对人体的表观变化，视觉变化和部分遮挡问题也不是很敏感。因此在行为识别中采用这种特征的分类器比较多。 AI智能工服识别算法识别中的局部特征点是视频中时间和空间中的点，这些点的检测发生在视频运动的突变中。因为在运动突变时产生的点包含了对人体行为分析的大部分信息。 AI智能工服识别算法对于卷积层，主要使用1x1卷积来做channle reduction，然后紧跟3x3卷积。 除了上面这个结构，AI智能工服识别算法提出了一个轻量级版本Fast Yolo，其仅使用9个卷积层，并且卷积层中使用更少的卷积核。
54920编辑于 2023-09-14
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