- 综合排序
- 最热优先
- 最新优先
破局城市内涝：构建智能监测预警新体系
监测体系存在明显短板，部分区域依赖分散的单点监测设备，难以形成全域覆盖的感知网络，对低洼易涝点、地下管网等关键区域的实时监测能力不足，导致水雨情数据获取不全面、不及时。 ● 空天地一体化解决方案的核心架构全域立体感知网络筑牢监测根基。依托空天地一体化技术构建多层级监测体系。 空中维度通过卫星遥感与无人机巡检，实现对城市降水分布、地表径流的宏观监测，快速识别大范围积水风险区域；地面部署智能传感器网络，在立交桥、地下车库、排水管网节点等易涝位置密集布设水位、流量、压力监测设备， 实时采集毫米级精度的水文数据；视频监控系统集成人工智能算法，自动识别积水区域、监测水位变化，形成 “空基宏观预警 — 地基精准感知 — 视频智能识别” 的立体监测网络，确保全时段、全区域的水情动态尽在掌握 同时，通过构建 “政府主导、企业支撑、公众参与” 的协同治理模式，推动监测数据开放共享，引导社会力量参与风险防控，形成覆盖预防、监测、处置、评估的全生命周期管理体系。
70910编辑于 2025-05-30- 来自专栏异名
金币落袋效果
cc.v3(x + Math.random() * randomScope, y + Math.random() * randomScope, 0)); } return points; } 金币落袋 拆分效果可以看到，金币落袋的过程中还有先后的顺序，我们在实现的时候先计算一下每个金币到袋子的距离，然后做个排序，让距离袋子近的金币先执行进袋的动画，远的后执行。
1.5K30发布于 2020-06-09 - 来自专栏从流域到海域
词袋模型（Bow）
词袋模型（Bag of words, Bow） 词袋模型顾名思义，即将文本看作是装满了词的袋子，它不考虑文本中词与词的上下文关系，仅仅考虑所有词的权重，而权重和词频有关系。 应用词袋模型时，首先进行分词，分词之后统计每个词在文本中出现的次数，我们就可以得到该文本基于词的特征（词频特征）。如果将各个文本样本的这些词与对应的词频放在一起即向量化，可以组成一个词频矩阵。 词袋模型的三个主要步骤： 分词（tokenizing） 统计修订词特征（counting） 标准化（normalizing） 词袋模型有很大的局限性，因为它仅仅考虑了词频，没有考虑上下文信息，因此会丢失大量语义 词袋模型统计词频，可以使用sktlearn中的CountVectorizer。
68830编辑于 2023-10-12 - 来自专栏燧机科技-视频AI智能分析
垃圾分类识别AI智能分析系统
ultralytics import YOLO model = YOLO('yolov8s.yaml') model.model.nc = 7 # 7类：可回收物/有害垃圾/厨余垃圾/其他垃圾/未破袋 温度异常） 动态阈值调整：雨季提升厨余垃圾检测灵敏度至0.85 （三）软件平台功能 边缘预警终端 集成定向声波模块（声压级≥95dB，支持20米内精准提醒） LED警示屏动态显示违规类型（如“厨余垃圾请破袋投放 深度估计（实测数据：垃圾桶遮挡场景识别率从68%提升至94%） 行为关联分析：设计时空图卷积网络（ST-GCN），建模垃圾扩散路径 （二）误报率控制 时序行为过滤：通过RNN分析连续帧状态，排除“短暂未破袋 A100）实测数据（边缘节点）检测精度（mAP@0.5）96.8%95.1%平均响应时间0.52s0.61s日均处理事件-2280次误报率1.1%1.9%极端环境可用性-暴雨天＞82%典型案例：夜间未破袋预警 垃圾分类智能分析系统通过现场摄像头能够识别常见的垃圾分类识别如：垃圾满溢抓拍预警、人脸识别、工服识别、厨余垃圾混投未破袋识别预警、垃圾落地识别预警、人来扔垃圾语音提醒等功能，有效避免垃圾外溢对环境造成的污染
41410编辑于 2026-01-07 - 来自专栏燧机科技-视频AI智能分析
社区垃圾分类识别AI算法盒 基于YOLOX与RNN
本文提出一种基于YOLOX目标检测与RNN时序分析的智能识别算法盒，通过“实时感知-行为研判-语音引导”机制，实现对垃圾类型（可回收物、厨余垃圾、有害垃圾、其他垃圾）及投放行为（破袋、分类准确性）的毫秒级识别与主动引导 （电池/药品）”等目标，输出 bounding box 坐标、置信度及类别属性（如垃圾材质、是否破袋）； RNN时序分析模型：基于YOLOX连续5帧检测结果（垃圾投放轨迹、与垃圾桶类型匹配度、破袋状态） ，通过LSTM网络判断“正确投放”“错误投放（类型错配/未破袋）”“混合投放”3类行为。 （含白天/夜间、不同垃圾桶类型场景），标注“可回收物”“厨余垃圾（破袋/未破袋）”“错误投放”等8类目标，按8:1:1划分训练/验证/测试集； 模型轻量化：采用通道剪枝（剪枝率25%）+ TensorRT 社区垃圾分类识别AI算法盒在社区垃圾投放站安装后，社区垃圾分类识别AI算法盒便能实时监测垃圾投放情况。
39210编辑于 2025-12-19 - 来自专栏HHTjim'S 部落格
在线袋里搜索-cybersyndrome
在线袋里搜索-cybersyndrome 作者：matrix 被围观: 1,513 次 发布时间：2013-08-05 分类：兼容并蓄 | 无评论 » 这是一个创建于 3314 天前的主题，
34220编辑于 2022-09-26 - 来自专栏深度学习和计算机视觉
视觉词袋模型简介
简介 视觉单词袋是一种描述计算图像之间相似度的技术。常用于用于图像分类当中。该方法起源于文本检索（信息检索），是对NLP“单词袋”算法的扩展。 在“单词袋”中，我们扫描整个文档，并保留文档中出现的每个单词的计数。然后，我们创建单词频率的直方图，并使用此直方图来描述文本文档。 在“视觉单词袋”中，我们的输入是图像而不是文本文档，并且我们使用视觉单词来描述图像。 ? 文字文档袋 ? 图像视觉词袋 ?
1.7K10发布于 2021-01-06 好物周刊#135：话袋
话袋 [5] 一款集录音转文字、AI 总结、语音识别与笔记管理于一体的智能工具。轻松整理会议纪要、采访内容、学习笔记，让记录更高效、更智能。 3. TaoSync: https://github.com/dr34m-cn/taosync [4] FSNotes: https://github.com/glushchenko/fsnotes [5] 话袋:
10510编辑于 2026-03-26- 来自专栏腾讯大讲堂的专栏
e袋洗 CEO 陆文勇首度揭秘：做洗衣，为何没人做得过e袋洗？
11月25日，腾讯产品家O2O专场在北京举行，本文是e袋洗CEO陆文勇的分享内容。 ? 陆文勇，85后多次创业者。曾任职百度，24券等公司，具有产品，运营，渠道，市场，销售等全方位经验。 2013年11月推出互联网洗衣产品“荣昌e袋洗”，将洗衣服务标准化，顾客可按袋支付清洗费用，通过移动终端预约，可享上门取送等私人洗衣服务，此款产品解决了顾客到干洗店洗衣停车难、送洗衣物交接时间繁琐、店面营业时间不能满足顾客取送时间等系列洗衣痛点 我们当时就开发了一个比较有意思的产品叫“e袋洗”，就是一个帆布的袋子，99元一袋，当面不检查直接拿走。你可以看到我们的产品单一，单品爆款，价格非常简单，你不用动脑子思考。 我们可以做到，99元一袋，直接手机下单，一分钟交接，整个洗衣流程可追踪。 ? ? 四、“e袋洗”背后的产品逻辑与服务保障 传统洗衣店：麻烦、贵、缺少体验。 【袋王评选】其实我们每周每月都会有一个袋王评选，我们出了一版连载的故事叫“袋王传说”，我们每周都会更新这个事情，最牛的一个袋王装了124件丝巾，在洗衣店洗需要1000多块钱，而在e袋洗只需要99块钱。
880100发布于 2018-02-11 农业养殖破局神器！Devicenet转EthernetIP让环境监测快准稳
在农业大棚种植和畜禽养殖场景中，分散部署的温湿度传感器、光照检测仪、水质监测仪等设备多采用Devicenet协议。 系统部署成本：传统监测系统升级改造往往成本高昂，如何以较低成本完成网络升级？解答问题1. 低成本部署方案：无需更换现有监测设备，只需部署工业自动化网关，通过简单的参数配置，即可完成协议升级和系统整合，大幅降低改造成本和技术门槛。 总结在智慧农业发展进程中，JH-DVN-EIP疆鸿智能Devicenet转Ethernet/IP的协议转换方案，借助工业自动化网关实现了农业大棚和养殖环境监测数据的高效采集与稳定传输。
16710编辑于 2025-06-05- 来自专栏机器学习算法工程师
你知道词袋模型吗？
章节目录 文本问题 什么是字袋？ 词袋模型的例子 管理词汇 得分词 词袋的局限性 01 文本问题 首先，我们知道，对文本建模是一个比较杂乱复杂的问题，机器学习算法等技术更喜欢定义明确的固定长度输入和输出。 使用文本数据进行特征提取的一种流行且简单的方法称为文本的词袋模型。 02 什么是词（字）袋？ 词袋模型Bag-of-words（简称BoW）是一种从文本中提取特征的方法，用于建模，例如机器学习算法。 对于像文档分类这样的任务，通常一个简单的二元组方法比一组1克的词袋模型更好。 a bag-of-bigrams 表示比词袋更强大，并且在许多情况下证明是相当有效的。 计算文档中所有单词中每个单词出现在文档中的频率 06 词袋的局限性 词袋模型非常易于理解和实现，并为您的特定文本数据提供了很大的灵活性。 它在语言建模和文档分类等预测问题上取得了相当大成功。
1.7K30发布于 2018-07-26 - 来自专栏3D视觉从入门到精通
VSLAM|回环检测之词袋字典如何生成？
tab=overview&from=2018-12-01&to=2018-12-31 DBoW3是DBoW2的增强版，这是一个开源C++库，用于给图像特征排序，并将图像转化成视觉词袋表示。 注意：生成的词袋树只有IDF,没有TF。TF是对之后生成的词袋向量才会计算。
1.7K20发布于 2020-12-11 - 来自专栏计算机视觉工坊
Bags of Binary Words | 词袋模型解析
最近几年，很多算法都利用这个方法实现[2][3][4][5][6],即基于图像匹配，将它们作为词袋空间中的数值向量进行比较.词袋模型可以进行非常有效和快速的图像匹配，但是它们并不是闭环检测的完美解决方案 FAB-MAP用词袋表示图像，并使用一个“Chow-Liu”tree来离线学习单词的共视概率。 词袋是一种使用视觉词汇表将图像转换成稀疏的数字向量的技术，允许我们管理大量的图像。视觉词袋是通过离线的将描述符空间离散成W个视觉单词生成的。通过离散化二进制描述子空间，可以创建了更紧凑的词袋。 对于有层次的词袋，词汇表的结构是树状的。 两个结构(词袋和反向索引)通常是单词包方法中用于搜索图像的惟一结构。但是作为一种新颖的通用方法，我们还利用直接索引存储每个图像的特征。
1.2K20发布于 2021-01-28 舆情监测破局多模态困境：Infoseek 如何捕捉短视频里的舆情信号？
Infoseek 多模态监测体系：让每一个舆情信号无所遁形1. 2025 年 “某社区物业乱收费” 舆情中，系统在地方论坛捕捉到首批投诉帖，比主流平台早 6 小时；自定义监测源添加：支持用户上传特定网址（如竞品官网、行业小众平台），实现 “定向监测”。 “双 11” 期间，某电商品牌单日监测数据超 20 万条，系统仍保持 10 分钟内的信息更新速度，及时捕捉 “快递延迟” 的集中投诉。实战验证：Infoseek 多模态监测如何化解真实危机？ 结语：多模态能力，才是舆情监测的核心竞争力从景区文创的视频线索，到家电直播的音频口误，近期舆情事件反复证明：非文本信息已成为舆情爆发的核心载体，传统 “文本单一监测” 模式早已过时。 Infoseek 用技术证明：真正高效的舆情监测，能从每一段视频、每一句语音中读懂风险，让危机在萌芽阶段就被精准拦截 —— 这正是 Infoseek 为舆情监测带来的颠覆性价值。
45810编辑于 2025-11-04- 来自专栏博文视点Broadview
晒单赢福袋获奖用户公布
博文视点程序员读书节 晒单赢福袋活动 开 奖 啦 恭喜以下同学获得 ♛ 博文视点福袋盲盒礼包 ♛ 获奖名单公布炸 （序号1~10） ---- 眼神〇_ｏ Gavin 是阿楚呀 Hello ~30） ---- 某人 上小北北北北 小尾巴 不在服务区 看不见的秘密 Kermit 直走黑子 GM.Wu 丘先生 Neumann （完） ▼ 以上同学快快凭此推文，联系群内的博文小助手们，换取福袋奖励吧
18520编辑于 2023-05-19 - 来自专栏全栈程序员必看
自然语言处理之词袋模型Bag_of_words
文章目录 读取训练数据 BeautifulSoup处理 获取词袋和向量 预测结果 使用随机森林分类器进行分类 输出提交结果 尝试使用xgb 还是随机森林好用 教程地址： https://www.kaggle.com shouldn', "shouldn't", 'wasn', "wasn't", 'weren', "weren't", 'won', "won't", 'wouldn', "wouldn't"] 获取词袋和向量 benefit want giv on person caus enorm res among rest loc commun stil liv run hous 在进行下一步之前，有必要介绍一下词袋模型 train_data_features = train_data_features.toarray() print(train_data_features.shape) (25000, 5000) 查看词袋里面装的具体内容
2.5K20编辑于 2022-09-01 - 来自专栏3D视觉从入门到精通
ORB-SLAM3中的词袋模型BoW
这篇文章讲一下词袋模型BoW，它主要用于两帧2d-2d匹配加速，以及在历史关键帧中搜索最相近的帧（闭环检测）。 kd树创建词典 BoW，Bag of Words，词袋。 Recognition in Image Sequences" http://doriangalvez.com/papers/GalvezTRO12.pdf 3.小葡萄：[ORB-SLAM2] 回环&DBoW视觉词袋
1.9K20发布于 2021-03-19 - 来自专栏桃花源记
词袋模型BoW和词集模型SoW比较
Bag-of-Words词袋模型,经常用在自然语言处理和信息检索当中.在词袋模型中,一篇文本(文章)被表示成"装着词的袋子",也就是说忽略文章的词序和语法,句法;将文章看做词的组合,文中出现的每个词都是独立的 在词袋模型BoW中,每个词的数量表示有多种方法:可以表示为0-1(在这篇文章中,这个词出现了没有–词集模型),词频(在这篇文章中,这个词出现了多少次),也可以用tf-idf. 从这个角度上说,BoW模型包含SoW,两者之间的区别在于词的数量表示不同,一个用0-1,一个用词频,但本质上是相同的,将文章看做词袋,忽略文章的词序,语法和句法,仅仅将文章看做一些列词的组合. 所以,一般只说BoW词袋模型(忽略词序,语法和句法). 参考链接: 维基百科 Bag-of-words model
1.2K30发布于 2020-07-23 - 来自专栏全栈程序员必看
舆情监测分析系统_舆情监测系统
我们的舆情分析系统主要包括舆情总缆分析、舆情搜索、文章分析、文章评论分析、事件舆情分析、事件舆情预警六大功能模块以及管理员系统配置模块。针对舆情总览分析、舆情搜索、文章分析、文章评论分析、事件舆情分析、事件舆情预警我们的分析数据来源于多个网站关于某一事件的报道文章的爬取，如微博、今日头条、知乎等，但主要集中于微博。管理员配置模块配置的是爬虫的爬虫间隔、舆情事件的展示参数以及系统日志查看。
6.1K30编辑于 2022-09-29 - 来自专栏呼延
雷达监测
来源 lintcode-雷达监测 描述 一个2D平面上有一堆雷达（雷达有x, y坐标，以及能探测到的范围r半径）。现在有一辆小车要从y = 0和y = 1的区间里面通过并且不能被雷达探测到。 // Write your code here for (int i=0;i < coordinates.length;i++){ //如果圆心的y轴绝对值减去半径小于等于0,说明被监测到
1.6K20发布于 2019-07-01
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