语义
基于无监督训练SimCSE+In-batch Negatives策略有监督训练的语义索引召回
# 基于无监督训练SimCSE+In-batch Negatives策略有监督训练的语义索引召回 语义索引（可通俗理解为向量索引）技术是搜索引擎、推荐系统、广告系统在召回阶段的核心技术之一。语义索引模型的目标是：给定输入文本，模型可以从海量候选召回库中**快速、准确**地召回一批语义相关文本。语义索 ......
语义检索系统：基于无监督预训练语义索引召回：SimCSE、Diffcse
# 基于无监督预训练语义索引召回：SimCSE、Diffcse 语义索引（可通俗理解为向量索引）技术是搜索引擎、推荐系统、广告系统在召回阶段的核心技术之一。语义索引模型的目标是：给定输入文本，模型可以从海量候选召回库中**快速、准确**地召回一批语义相关文本。语义索引模型的效果直接决定了语义相关的物 ......
语义分割&实例分割&全景分割
# 图像分割是什么？ 图像分割分类是对图像中属于特定某个个类被的像素进行分类的过程，因此图像分割可以认为是按照图像的像素进行分类的问题。 # 传统的图像分割和基于深度学习的图像分割的区别 传统的图像分割算法均是基于灰度值的不连续和相似的性质。而基于深度学习的图像分割技术则是基于卷积神经网络对于图像进 ......
h5的语义化标签
h5目前处于推广期 没有形成最终同意版本 h5简洁为主 h5新增的语义化标签 都有利于seo一优化 对搜索引擎友好 <header></header> 网站公共的头部 <footer></footer> 网站公用的尾部 <nav></nav> 导航 <section></section> 区块 一个 ......
软件开发版本命名规范-语义化版本SemVer
# 摘要 在软件管理的领域里存在着被称作“依赖地狱”的死亡之谷，系统规模越大，加入的包越多，你就越有可能在未来的某一天发现自己已深陷绝望之中。 在依赖高的系统中发布新版本包可能很快会成为噩梦。如果依赖关系过高，可能面临版本控制被锁死的风险（必须对每一个依赖包改版才能完成某次升级）。而如果依赖关系过于 ......
比Meta「分割一切AI」更全能！港科大版图像分割AI来了：实现更强粒度和语义功能
前言 比Meta“分割一切”的SAM更全能的图像分割AI，来了！ 本文转载自量子位 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 CV各大方向专栏与各个部署框架最全教程整理 【CV技术指南】CV全栈指导班、基础入 ......
现代C++（Modern C++）基本用法实践：三、移动语义
# 概述 ## 移动 移动（move）语义C++引入了一种新的内存优化，以避免不必要的拷贝。在构造或者赋值的时候，如果实参是右值（或者左值由std::move转换成右值），便会匹配移动语义的函数调用如下述举例的`Str(Str&& obj)`。 移动语义的本质是将资源（内存/句柄）转移给另一个对象， ......
Semantic Kernel（语义内核）秋季路线图
Semantic Kernel 是一个开源的 SDK，它允许开发人员将大型语言模型（LLM）与传统的编程语言进行混合使用。 微软Semantic Kernel团队 在博客上正式公布了Semantic Kernel 项目秋季发展路线图[1]。这家公司的设计和AI副总裁John Maeda在官方博客中写 ......
客服系统个性化训练GPT知识库+知识库列表中新增向量搜索功能+语义文本搜索
大家都知道想要实现个性化训练的GPT，离不开向量数据库。 在我的客服系统后台，能够展示出向量库里的数据列表。现在有一个新需求，客户添加的数据很多，想要能够在后台搜索指定的数据，方便去修改。 新增搜索功能后，后台界面展示如下： 搜索部分也是基于的Qdrant数据库的search 接口，该接口需要把搜索 ......
使用LabVIEW实现 DeepLabv3+ 语义分割含源码
# 前言 图像分割可以分为两类：语义分割（Semantic Segmentation）和实例分割（Instance Segmentation），前面已经给大家介绍过两者的区别，并就如何在labview上实现相关模型的部署也给大家做了讲解，今天和大家分享如何使用labview 实现deeplabv3+ ......
【ChernoC++笔记】移动语义
【89】【Cherno C++】【中字】C++移动语义 ❓为什么使用移动语义（moving semantics）？ 很多时候，我们需要通过复制来传递对象： 例如，把一个对象传递给一个函数，这个函数需要得到这个对象的所有权，我们需要在当前stack frame中构造一个一次性对象，然后复制到调用的函数 ......
从零开始的知识图谱生活，构建一个百科知识图谱，完成基于Deepdive的知识抽取、基于ES的简单语义搜索、基于 REfO 的简单KBQA
从零开始的知识图谱生活，构建一个百科知识图谱，完成基于Deepdive的知识抽取、基于ES的简单语义搜索、基于 REfO 的简单KBQA ......
OpenCV计算机视觉学习（14）——浅谈常见图像后缀（png, jpg, bmp）的区别（opencv读取语义分割mask的坑）
如果需要处理的原图及代码，请移步小编的GitHub地址 传送门：请点击我 如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice 本来不想碎碎念，但是我已经在图像后缀上栽倒两次了。而且因为无意犯错，根本找不到问题。不论是在深度学习的语 ......
容器环境下的持续集成最佳实践：构建基于 Drone + GitFlow + K8s 的云原生语义化 CI 工作流
云原生 (Cloud Native) 是伴随的容器技术发展出现的的一个词，最早出自 Pivotal 公司（即开发了 Spring 的公司）的一本技术小册子 Migrating to Cloud-Native Application Architectures， 其中定义了云原生应用应当具备的一些特质 ......
《深入探索C++对象模型》- 第二章 - 构造函数语义学 - 笔记
# PDF版本 # https://www.aliyundrive.com/s/oQJJiJfQmU2  ......
用于语义图像分割的弱监督和半监督学习：弱监督期望最大化方法
这时一篇2015年的论文，但是他却是最早提出在语义分割中使用弱监督和半监督的方法，SAM的火爆证明了弱监督和半监督的学习方法也可以用在分割上。 这篇论文只有图像级标签或边界框标签作为弱/半监督学习的输入。使用期望最大化(EM)方法，用于弱/半监督下的语义分割模型训练。 背景知识 1、符号定义 X是图 ......
什么是 SAP UI5 的 Semantic Object 语义对象
在 SAP UI5 中，注解（Annotation）是用于丰富元数据，提供额外的语义信息，以便实现更加智能和用户友好的应用程序。注解有助于将用户界面逻辑与底层数据模型分离。这使得用户界面能够根据元数据自动生成，从而提高了开发效率。注解可以在 OData 元数据文件或 XML 文件中定义。 在这个例子 ......
什么是 SAP UI5 的 Semantic Object 语义对象
在 SAP UI5 中，注解（Annotation）是用于丰富元数据，提供额外的语义信息，以便实现更加智能和用户友好的应用程序。注解有助于将用户界面逻辑与底层数据模型分离。这使得用户界面能够根据元数据自动生成，从而提高了开发效率。注解可以在 OData 元数据文件或 XML 文件中定义。 在这个例子 ......
HENU 编译原理实验三 语义分析及中间代码产生
## 语义分析及中间代码产生 > 抽象语法树生成应该是正确的，四元式是**错误的**，留个坑以后补 ```cpp #include using namespace std; #ifdef Nanfeng1997 #include #endif //词法分析器 //以下是我对单词种别划分 /* 关键字 ......
MaskFormer：将语义分割和实例分割作为同一任务进行训练
前言 本文介绍了Facebook AI Research在21年发布的一种超越这些限制的实例分割方法MaskFormer。 本文转载自DeepHub IMBA 作者 | HannaMergui 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经 ......
语义版本号管理规范尝试
1.0.0-alpha 主版本号、次版本号、修订号，先行版本号 稳定上线后，变为1.0.0 （一）问题或简单需求实现 有新问题修改、或简单需求（不涉及新增页面、接口），则增加修订号（一个或多个问题、简单需求） 1.0.1-test.1 -> 1.0.1-test.2 ... 每次开发有修改bug，可 ......
MaskFormer：将语义分割和实例分割作为同一任务进行训练
目标检测和实例分割是计算机视觉的基本任务，在从自动驾驶到医学成像的无数应用中发挥着关键作用。目标检测的传统方法中通常利用边界框技术进行对象定位，然后利用逐像素分类为这些本地化实例分配类。但是当处理同一类的重叠对象时，或者在每个图像的对象数量不同的情况下，这些方法通常会出现问题。 诸如Faster R ......
语义理解在智能搜索中的应用
[toc] 语义理解在智能搜索中的应用 随着人工智能技术的不断发展，搜索技术也在不断进化。其中，语义理解技术作为一个重要的组成部分，被广泛应用于智能搜索中。在这篇文章中，我们将介绍语义理解在智能搜索中的应用，并深入探讨其技术原理、实现步骤和优化改进。 一、引言 智能搜索是指利用人工智能技术，将用户输 ......
标签语义化
合适的地方使用合理的标签 一、HTML语义化 让页面的内容结构化，便于浏览器，搜索引擎解析，容易阅读 二、如何优化搜索引擎？ 【搜索引擎：SEO】 通过分析搜索引擎的排名规律，了解各种搜索引擎怎样进行搜索、怎样抓取互联网页面、怎样确定特定关键词的搜索结果排名的技术 1、关键词分析（也叫关键词定位） ......
GPT3的技术突破：实现更精准的语义分析
[toc] GPT-3技术突破：实现更精准的语义分析 近年来，人工智能技术的发展受到了全球各国的关注。其中，自然语言处理(NLP)技术作为人工智能技术的重要分支，在自然语言生成、机器翻译、问答系统等方面都有着广泛的应用。而最近，GPT-3技术的出现，标志着NLP技术的重要突破。 GPT-3是Open ......
语义理解技术在智能推荐中的应用
[toc] 语义理解技术在智能推荐中的应用 随着人工智能技术的不断发展，越来越多的智能应用开始涉及自然语言处理领域，其中智能推荐便是其中的一个重要应用。智能推荐是一种通过分析和理解用户历史行为和偏好，以及当前页面内容，为推荐用户提供个性化、精准、高效的推荐服务的技术。本文将详细介绍语义理解技术在智能 ......
语义理解技术在情感分析中的应用
[toc] 情感分析是一种基于自然语言处理技术的人工智能应用，旨在识别文本中的情感和情感倾向。随着人工智能的不断发展，情感分析技术在各个领域得到了广泛的应用，例如客户服务、社交媒体分析、市场调查等。在本文中，我们将探讨语义理解技术在情感分析中的应用，包括基本概念、技术原理、实现步骤、应用示例和优化改 ......
基于机器翻译的语义理解技术
[toc] 《基于机器翻译的语义理解技术》 摘要： 机器翻译作为全球最流行的翻译技术之一，在为人类带来便捷高效翻译服务的同时，也面临着语义理解难度、翻译精度等问题。本文介绍了一种基于机器翻译的语义理解技术，该技术能够高效准确地理解源语言的语义，并生成目标语言的翻译结果。本文还详细介绍了该技术的技术原 ......
基于多模态数据的语义理解技术
[toc] 1. 引言 在人工智能和机器学习领域，语义理解技术是一个非常重要的分支。语义理解技术是指能够理解和解释自然语言中的文字和符号，以及上下文信息的能力。这对于许多应用场景，如智能客服、智能搜索、自然语言生成等都具有重要的意义。 而多模态数据则是近年来语义理解技术发展的重要方向之一。多模态数据 ......
语义理解技术在情感分析中的应用
[toc] 情感分析是一种基于自然语言处理技术的人工智能应用，旨在识别文本中的情感和情感倾向。随着人工智能的不断发展，情感分析技术在各个领域得到了广泛的应用，例如客户服务、社交媒体分析、市场调查等。在本文中，我们将探讨语义理解技术在情感分析中的应用，包括基本概念、技术原理、实现步骤、应用示例和优化改 ......