水务 四化 深度 智慧

GIS融合之路(二)CesiumJS和ThreeJS深度缓冲区整合

在这篇文章开始前再次重申一下,山海鲸并没有使用ThreeJS引擎。但由于ThreeJS引擎使用广泛,下文中直接用ThreeJS同CesiumJS的整合方案代替山海鲸中3D引擎和CesiumJS整合。 系列传送门: 山海鲸可视化:GIS融合之路(一)技术选型CesiumJS/loaders.gl/iT ......
缓冲区 深度 CesiumJS ThreeJS GIS

养老数据监控大屏:科技赋能,让智慧养老触手可及

养老数据监控大屏作为智慧养老领域的一大创新成果,为提升养老服务水平、保障老年人生活安全发挥了重要作用。未来随着技术的不断进步和应用场景的不断拓展,可视化大屏技术将在更广泛的范围内得到应用和推广,为构建更加和谐、美好的老龄化社会贡献力量。 ......
触手 大屏 智慧 数据 科技

基于 Aidlux的智慧教育版面分析场景下的实践

基于 Aidlux的智慧教育版面分析场景下的实践 基于 Aidlux的智慧教育版面分析应用 一、Aidlux环境介绍 所有代码均可通过加课程小助手wx获得:AidLux_Me 官网:https://aidlux.com/ 1.产品优势 AidLux是基于ARM架构的跨生态(Android/鸿蒙+Li ......
版面 场景 智慧 Aidlux

TSINGSEE青犀智能分析网关V4:搭建智慧幼儿园视频AI智能监管方案

基于智能分析网关V4内的周界入侵、越界、区域入侵、徘徊等算法,自动实时监测幼儿园周边及内部存在的可疑、安全隐患行为,并能立即抓拍和告警提醒,提升幼儿园安全防范能力。 ......
智能 网关 幼儿园 TSINGSEE 幼儿

backbone、head、neck等深度学习中的术语解释

我们在阅读文章的时候,经常看到backbone head neck 这一类的术语,但是我们可能并不知道是什么意思,这篇文章就是对这些术语进行解释: backbone: 翻译为主干网络的意思,既然说是主干网络,就代表其是网络的一部分,那么是哪部分呢?这个主干网络大多时候指的是提取特征的网络,其作用就是 ......
术语 深度 backbone head neck

提升源代码安全性的C#和Java深度混淆工具——IpaGuard

提升源代码安全性的C#和Java深度混淆工具——IpaGuard 摘要 Ipa Guard是一款功能强大的IPA混淆工具,通过对iOS IPA文件进行混淆加密,保护其代码、资源和配置文件,降低破解反编译难度。本文将介绍Ipa Guard的深度混淆技术,包括逻辑混淆、名称混淆以及处理特殊情况的方法,帮 ......
源代码 安全性 深度 IpaGuard 工具

AI智能分析网关V4:太阳能+4G智慧水库远程可视化智能监管方案

在执法车、执法船等移动执法载具上安装视频监控摄像头和定位设备,并接入到EasyCVR平台,可以有效管控执法载具,并进行有效通信,通过车载相机可以进行执法记录,平台也能对现场执法视频进行录像与存储,支持回放、下载等。 ......
智能 网关 水库 太阳能 智慧

转载:深度学习:蒸馏Distill

转载,写的比较好了,可以参考:https://blog.csdn.net/pipisorry/article/details/117257414 Distilling the knowledge in a neural networkHinton 在论文中提出方法很简单,就是让学生模型的预测分布,来 ......
深度 Distill

代码随想录 day16 N 叉树的最大深度 完全二叉树的节点个数

N 叉树的最大深度 这题昨天做过二叉版本 n叉区别不大 完全二叉树的节点个数 层级遍历 入que的数量就是节点个数 ......
随想录 节点 随想 个数 深度

深度学习之机器学习理论

(一)机器学习(Machine Learning):就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法,统计学家也称之为统计学习,但本质上起源于计算机科学的人工智能。 (二)机器学习的分类:机器学习主要分为两类,即监督学习(supervised learning)与非监督学 ......
深度 机器 理论

QMap深度拷贝

QMap深度拷贝 #include <QMap> #include <QPair> #include <QDebug> QMap<int, QString> deepCopyQMap(const QMap<int, QString>& source) { QMap<int, QString> tar ......
拷贝 深度 QMap

【专题】2023年保险合伙人白皮书及优增深度洞察报告PDF合集分享(附原数据表)

原文链接:https://tecdat.cn/?p=34800 原文出处:拓端数据部落公众号 2023年,中国经济从高速向高质量转型,众多保险公司将队伍转型视为寿险行业供给侧改革的关键。以招募和培养专业、职业绩优人才为核心的策略,成为代理人队伍转型的重要方向。阅读原文,获取专题报告合集全文,解锁文末 ......
白皮 数据表 合伙人 白皮书 深度

智能分析网关V4方案:太阳能+4G+AI识别搭建智慧果园/种植园远程视频监控监管方案

自动检测在指定的区域内禁止车辆违停的行为,达到触发告警的时间立即抓拍并告警,还能检测和识别车辆型号、车牌等车辆属性信息。 ......
种植园 方案 视频监控 果园 网关

深度学习模型部署TensorRT为何如此优秀?

一、前言 PyTorch模型的高性能部署问题,主要关注两个方面:高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点,但是相比C++来说速度较慢而且比较费内存,一般高性能场景都是使用C++去部署,尽量避免使用python环境。 TensorRT为什么那么快,因为 ......
深度 TensorRT 模型

深度估计之SCDepth系列

SC-Depth系列。 SCDepthV1 之前的单目深度估计网络的重投影损失,更多的是利用前后帧的颜色误差进行约束,得到了比较精确的结果。但它们基本上都有一个共性问题:深度值不连续!连续几张图像之间的深度值不连续!也就是说,在不同的帧上产生尺度不一致的预测,因为它们承受了每帧图像的尺度不确定性。这 ......
深度 SCDepth

CUDA驱动深度学习发展 - 技术全解与实战

全面介绍CUDA与pytorch cuda实战 关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人 一、CUDA:定义与演进 CUDA( ......
实战 深度 技术 CUDA

了解JavaScript中的智能城市和智慧交通

Laravel是一个流行的PHP框架,它具有出色的可测试性,可以帮助开发人员在更短的时间内编写可靠的代码。但是,即使使用了这个框架,也可能会出现测试覆盖率较低的情况。测试覆盖率是指代码中已由测试案例覆盖的部分比例。测试覆盖率越高,代码质量越高。在本文中,我们将分享几种技巧,帮助您提高Laravel应 ......
JavaScript 智慧 智能 交通 城市

深度可分离卷积

深度可分离卷积,使用了一些 trick 极大减少卷积所需参数量和计算量。 理解深度可分离卷积 若需要对 12×12×3 的输入使用卷积,获得 8×8×256 的输出,直接的卷积方法是使用 256 个 5×5×3 的卷积核(无 padding、步长为 1,下同)。此时卷积层的参数量为 19200,卷积 ......
卷积 深度

深度学习图像复原之去雨:常用数据集介绍

可能有帮助的链接:https://paperswithcode.com/task/single-image-deraining 合成数据集 Rain100H 出自 CVPR 2017 论文 Deep Joint Rain Detection and Removal from a Single Ima ......
深度 图像 常用 数据

CHAT GPT全称及其发展历程深度剖析

CHAT GPT全称为Conversational Generative Pre-trained Transformer,是一种由OpenAI开发的自然语言处理模型。该模型旨在生成流畅且连贯的对话回复,从而在聊天机器人应用中表现出卓越的性能。 CHAT GPT的发展起始于OpenAI提出的GPT架构 ......
全称 深度 历程 CHAT GPT

动手学深度学习v2:数据操作+数据预处理

数据操作 import torch x=torch.arange(12) # x的output为 tensor([0,1,2,3,4,5,6,7,8,9,10,11]) # 可以通过张量的shape属性来访问张量的形状和张量中元素的总数 x.shape # output: torch.Size([1 ......
数据 深度

机器学习周刊03:如何学习深度学习?2024 年学习生成式 AI 路线图、如何构建高效的RAG系统、苹果 腾讯最新论文、阿里DreaMoving

腾讯推出的 AppAgent,是一个多模态智能体,通过识别当前手机的界面和用户指令直接操作手机界面,能像真实用户一样操作手机! 机器学习周刊:关注Python、机器学习、深度学习、大模型等硬核技术 1、如何学习深度学习? 最近X上有推友重提这篇文章,是网友看过 Jeremy 教授的 fast.ai ......
路线图 DreaMoving 深度 周刊 路线

制约国产深度学习框架发展的根本原因 —— AI芯片的无法自主生产或量产

秉着没事就胡言乱语的宗旨,这里在接着胡说八道一下。 国外的深度学习框架如TensorFlow、pytorch、Jax打的如火如荼,按照以往惯例我们是不应该去做自主研发软件系统的,毕竟硬件不在掌握之下,搞出的软件质量又不如外国的好,但是随着中美贸易战的爆发这一切被改写。 国外的商用硬件和软件都开始对我 ......
框架 深度 芯片 根本 国产

Pytorch深度学习入门

一、配环境 创建环境 在Anaconda中输入 conda create -n pytorch python=3.6 ......
深度 Pytorch

鱼类识别系统Python+TensorFlow卷积神经网络算法模型+深度学习人工智能【计算机课设项目】

一、介绍 鱼类识别系统。使用Python作为主要编程语言开发,通过收集常见的30种鱼类('墨鱼', '多宝鱼', '带鱼', '石斑鱼', '秋刀鱼', '章鱼', '红鱼', '罗非鱼', '胖头鱼', '草鱼', '银鱼', '青鱼', '马头鱼', '鱿鱼', '鲇鱼', '鲈鱼', '鲍鱼' ......

基于深度学习网络的蔬菜水果种类识别算法matlab仿真

1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 蔬菜水果种类识别算法基于深度学习网络,通过训练模型来识别图像中的蔬菜和水果种类。其原理主要利用深度卷积神经网络(Deep Convolutional Neural Network, CNN)对图像进行特征提取和分 ......

深度学习笔记_Week2

2.10 m 个样本的梯度下降(Gradient Descent on m Examples) ​ 将2.9对一个样本的操作应用到m个训练样本上,我们要做的是计算这些微分,如我们在之前的训练样本上做的,并且求平均, 得到全局梯度值,把它直接应用到梯度下降算法中。 初始化𝐽 = 0, 𝑑𝑤1 = ......
深度 笔记 Week2 Week

《提问的智慧》读后感

​ 没想到一生一芯的第一个内容是教我们如何提问。这是一个看似不起眼的问题,并被人们所忽视,但是并不意味两篇文章是“水文”,相反,学会如何提问不仅是开启一生一芯的第一课,也是学习、做人的必要技能。 ​ 首先,在提问之前,必须确保自己尽可能的对问题有所研究,包括不限于使用Google等搜索引擎、查看手册 ......
读后 读后感 智慧

农业大学的智慧农业

2020年成功申报“智慧农业”专业的13所高校分别是西北农林科技大学、山西农业大学、内蒙古民族大学、吉林农业科技学院、东北农业大学、 安徽农业大学、福建农林大学、青岛农业大学、聊城大学、青岛农业大学海都学院、河南农业大学、 湖南农业大学、塔里木大学。2019年,吉林农业大学、华中农业大学成功申报该专 ......
农业 智慧 大学

面试问题总结——深度学习

卷积如何加速? img2col和winograd算法。img2col将卷积转化为矩阵乘,通过重排内存,用空间换时间。wingrad是考虑到卷积运算的卷积核固定,通过算法降低计算量提高效率。 卷积和反卷积的原理 卷积就是正常的滑窗求和计算输出,在步长大于1时会降低输入特征图分辨率。反卷积也就是转置卷积 ......
深度 问题
共1630篇  :1/55页 首页上一页1下一页尾页