- 综合排序
- 最热优先
- 最新优先
- 来自专栏鸿蒙开发笔记
带你玩转OpenHarmony AI：基于Seetaface2的人脸识别
人脸识别引擎在OpenAtom OpenHarmony（以下简称“OpenHarmony”）上实现人脸识别的AI能力。 如下图展示了SeetaFace2支持的应用矩阵：SeetaFace2人脸识别原理SeetaFace2人脸识别引擎搭建了一套全自动人脸识别系统所需的三个核心模块:1. SeetaFace2人脸识别的具体过程如下图所示：两步带你实现人脸识别关于SeetaFace2的如何移植到OpenHarmony移植请参照文档：SeetaFace2移植开发文档（请参考文章末尾相关文档链接 ），这里我们主要分析通过SeetaFace2如何实现人脸识别。 2. 人脸识别人脸识别和人脸注册步骤类似，都需要先检测人脸信息及提取面部特征数据。
72630编辑于 2025-04-25 - 来自专栏算法工程师的学习日志
车牌识别（2）-搭建车牌识别模型
上一期分享了模拟生成车牌的方法，今天分享一下搭建要给简单的车牌识别模型，模拟生成车牌的方法参看：车牌识别（1）-车牌数据集生成 生成的车牌如下图 准备数据集，图片放在path下面，同时把图片名称和图片的车牌号对应关系写入到 y_train是长度为7的列表，其中每个都是shape为(n, # )的ndarray，分别对应n张图片的第一个字符，第二个字符....第七个字符 因为车牌是固定长度，所以有个想法，就是既然我们知道识别七次 ，那就可以用七个模型按照顺序识别。 ，识别成功 chars = '' for arg in np.argmax(lic_pred, axis=1): # 取每行中概率值最大的arg,将其转为字符 Lic_pred.append(chars) # 将车牌和识别结果一并存入Lic_pred return Lic_pred
3.4K30编辑于 2022-07-27 - 来自专栏Node开发
NodeJS人脸识别(2)
上一篇介绍了NodeJS实现人脸识别中的人脸注册，搜索，检测功能。可以看到其实抛开用户量不说，其实任何想要实现的功能最终用NodeJS都是可以实现的。 今天我们来看下SDK文档关于人脸识别其他的接口，我们可以来看看整套人脸识别具体有什么功能，我们可以怎么在实际应用中去进行应用呢？ frr_1e-4：万分之一误识率的阈值；frr_1e-3：千分之一误识率的阈值；frr_1e-2：百分之一误识率的阈值。 ；质量检测：返回模糊、光照等质量检测信息，用于辅助判断图片是否符合识别要求； ? 我们先看下测试结果： ? 到这里其实SDK关于人脸识别的所有接口都介绍完毕了。其实还有几个接口，必须账户进行企业实名认证才有权限调用，在这里我就不介绍了。本篇内容到这里差不多结束了。
2.4K40发布于 2019-06-03 - 来自专栏Node开发
图片文字识别(2)
上篇文章主要对百度AI文字识别接口最基础的通用文字以及手写文字图片进行了接入识别，本篇文章我们来接着看几个实用性比较强的文字识别接口。百度AI接口对接挺容易的，签名加密都没有涉及到。 2.如果图片需要进行保存，可以前端将图片转化为binary格式，后端先将图 片上传到服务器或者直接传到对象存储oss，然后获得图片路径，使用现 在的方法加载缓冲数据，进行BASE64编码最后调用接口解析图片文字信息 但是我这里就不准备一一介绍了，有兴趣可以自行查看百度AI文字识别文档： https://ai.baidu.com/docs#/OCR-API/87932804 其实业务开发过程如果适当的引入人脸识别，文字识别等 AI接口确实可以很大程度提升用户的体验，更大程度的留住潜在的客户。 而且百度AI还提供了一系列需要申请权限的接口，很大成都方便了我们的开发，我们不必去追究底层是如何识别图片中的文字的，就可以快速接入API识别我们需要的功能。
54.3K30发布于 2019-07-01 - 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。。 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。。。
73741发布于 2020-02-27 - 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。 QQ截图20200222161717.jpg 2、建立了“人员库管理”，我们则要通过安卓端，对这个人员库进行添加，这里就直接看文档的资料吧。
77111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.
3.2K40编辑于 2023-08-09 - 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。 ="android.hardware.camera" /> <uses-feature android:name="android.hardware.camera.autofocus" /> 2、 这样我们的AI识别之旅就算踏出了第一~
1K51发布于 2020-02-21 - 来自专栏自然语言处理
实体识别(2) -命名实体识别实践CRF
线性链条件随机场可以用于序列标注等问题，需要解决的命名实体识别(NER)任务正好可通过序列标注方法解决。 训练时，利用训练数据 集通过极大似然估计或正则化的极大似然估计得到条件概率模型p(Y|X)； 预测时，对于给定的输入序列x，求出条件概率p(y|x)最大的输出序列y 利用线性链CRF来做实体识别的时候， 该库兼容sklearn的算法，因此可以结合sklearn库的算法设计实体识别系统。sklearn-crfsuite不仅提供了条件随机场的训练和预测方法还提供了评测方法。 sorted_labels, digits=3 )) 参考资料 参考资料 条件随机场CRF及CRF++安装与使用 https://www.biaodianfu.com/crf.html 使用CRF++实现命名实体识别 (NER) https://www.cnblogs.com/jclian91/p/10795413.html 利用crf++进行实体识别 https://www.jianshu.com/p/f5868fdd96d2
2K20编辑于 2022-03-30 - 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， 以动物识别为例： 获取access_token接口 import urllib, urllib2, sys import ssl # client_id 为官网获取的AK， client_secret QFileDialog import json import base64 import urllib import urllib.request """ 你的 APPID AK SK """ # http://ai.baidu.com .")) # 设置文本控件显示内容 self.label_3.setText(_translate("Form", "显示识别结果")) # 设置按钮内容 self.pushButton_2.setText = plants['error_msg'] strover += ' 错误：\n {} \n '.format(error_msg) self.label_3.setText(strover) # 2动物识别
4.6K10编辑于 2022-09-20 App Inventor 2 Personal Image Classifier (PIC) 拓展：自行训练AI图像识别模型，开发图像识别分类App
这里仅仅介绍一下AI图像识别App的实现原理，AI的基础技术细节不在本文讨论范围。通过拓展即可开发出一款完全自行训练AI模型，用于特定识别场景的App了。 我们都知道，人工智能AI的基本原理是事先准备好样本数据（这里指的是图片）及数据的标注信息（如图片中的人物是高兴、愤怒、哭泣等图片的判定信息），通过AI算法的训练，对输入的样本及标注进行拟合，形成最终的训练集数据 PersonalImageClassifier (PIC) 拓展拓展的事件、方法、属性如下：开发步骤在线训练AI模型，生成模型数据，下载给PIC拓展使用在线AI模型训练网站（国内访问正常）：https: /personal-image-classifier-part1这里仅截取部分训练步骤：最后可以在线对新输入的图片进行AI识别，如：微笑表情：最后，可以下载训练好的模型数据。 App Inventor 2 使用拓展及AI模型数据，对图像进行识别和分类PersonalImageClassifier (PIC) 拓展的用法请参考demo，或直接看英文文档自行研究，这里暂时不做展开
89210编辑于 2024-03-06- 来自专栏生信修炼手册
mirdeep2识别novel miRNA
得益于NGS测序技术和生物信息学的发展，我们可以通过NGS测序数据识别新的miRNA，大大加快了miRNA的研究进程。 mirdeep2这个软件不仅可以对miRNA进行定量，也可以用于识别新的miRNA, 只需要有small RNA文库的测序reads和参考基因组的序列即可，步骤如下 1. 2. 根据reads和基因组比对的结果，预测novel miRNA 基本用法如下 miRDeep2.pl reads.fa genome_fasta reads_vs_genome.arf 软件的操作相当简单 ，代码如下 miRDeep2_core_algorithm.pl dir_tmp/signature.arf dir_tmp/precursors.str -v -50 -l longest_id 执行
1.7K31发布于 2020-05-08 - 来自专栏风口上的猪的文章
机器学习（2） - KNN识别MNIST
} } Console.WriteLine("准确率: " + accuracy); 对KNN的改进 本文只是对KNN识别 大家可以试着将算法进行改进，例如取K=2或者其他数，或者计算L2距离等。L2距离的结果比L1好一些，可以达到93-94%的正确率。
73320发布于 2018-09-14 - 来自专栏四楼没电梯
java验证码识别--2
java验证码识别--1 http://blog.csdn.net/problc/article/details/5794460 java验证码识别--2 http://blog.csdn.net/problc /article/details/5797507 java验证码识别--3 http://blog.csdn.net/problc/article/details/5800093 java验证码识别-- /details/5983276 (本文仅用于学习研究图像匹配识别原理，不得用于其他用途。) 识别 因为固定大小，识别跟 验证码识别--1 里面一样，像素比较就可以了。 识别结果如下，识别率100%： 源码： public class ImagePreProcess2 { private static Map<BufferedImage, String> trainMap
37510编辑于 2024-10-12 - 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 e.PhraseResponse.Results.Length; i++) { this.WriteLine( "[{0}] Confidence={1}, Text=\"{2} 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 - 来自专栏燧机科技-视频AI智能分析
ai视频智能识别系统
视频监控智能分析技术又叫智能视频分析技术，该技术诞生于机器视觉及边缘计算。视频监控智能分析技术是当下在人们生活中应用范围很广的技术之一。智能视频分析技术能够现场监控传回的视频流中抓取图片及人体状态动作信息，建立图片与规则建立映射关系。
2.2K10编辑于 2022-09-07 - 来自专栏燧机科技-视频AI智能分析
AI行为识别视频监控系统
伴随着科技的发展，AI行为识别视频监控系统在安防监控行业也得到了长足的进步。尤其是，AI行为识别视频监控系统方面的公司将动态性认知能力视作公司发展的核心技术之一。 传统的视频检测技术在这方面的功能很差，同一台监控摄像头可以识别的出现异常行为十分比较有限。AI行为识别视频监控系统来自机器视觉技术的革新。机器视觉技术应用是人工智能技术分析的一个支系。 人工智能技术行为识别可以精确识别情景当中人员的异常行为，而传统化的安防监控是各种各样情景转变后形成的视频，不可以精确识别人的实际出现异常行为。 AI行为识别视频监控系统可以将身体的运作可以包含走动、蹲、坐、跳、跑等进行数据分析，这些行为是人们日常生活的基础方式，这种方式的表現可以使我们得到许多信息内容，如识别经常或长期闭上眼可以识别人们总想睡觉 ，可以运用于安全驾驶危险驾驶警示；在引喻动作中，OK手势可以识别为取得成功或提前准备进行等信息内容；可以看得出，合理的有效识别可以传递很多的信息内容，随后在AI行为识别视频监控系统等行业充分发挥至关重要的智能化和信息内容功效
1.4K30编辑于 2022-09-04 - 来自专栏毛利学Python
智能盘点—钢筋数量AI识别
赛题名称 https://www.datafountain.cn/competitions/332 智能盘点—钢筋数量AI识别 赛题背景 在工地现场，对于进场的钢筋车，验收人员需要对车上的钢筋进行现场人工点根 针对上述问题，希望通过手机拍照->目标检测计数->人工修改少量误检的方式（如图1-2）智能、高效的完成此任务： 赛题任务 本赛题基于广联达公司提供的钢筋进场现场的图片和标注，希望参赛者综合运用计算机视觉和机器学习
1.2K10编辑于 2022-12-20
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