HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
数字时代的自我呈现:探索个人形象打造的创新工具——FaceChain深度学习模型工具
数字时代的自我呈现:探索个人形象打造的创新工具——FaceChain深度学习模型工具1.介绍FaceChain是一个可以用来打造个人数字形象的深度学习模型工具。用户仅需要提供最低一张照片即可获得独属于自己的个人形象数字替身。FaceChain支持在gradio的界面中使用模
有 AI,无障碍,AIoT 设备为视障人群提供便利
<blockquote据世界卫生组织统计,全球共22亿人视力受损,包含2.85亿视障人群和3,900万全盲人群。而且,这一数字将随老龄化加剧不断增加。<br/虽然视障人群面临着诸多不便,但是针对视障人群的辅助设备却存在成本高、维护困难、操作复杂等问题,很难满足他们的生活需求。
动物识别系统python+Django网页界面+TensorFlow算法模型+数据集训练
一、简介动物识别系统。基于PythonTensorFlowDjango网页框架ResNet50算法模型实现实现步骤如下:收集多种动物的图片数据集,并整理归类然后使用TensorFlow搭建ResNet50算法模型网络对数据集进行多次迭代训练最后得到一个精度较高
交通标志识别系统python+TensorFlow+算法模型+Django网页+数据集
一、介绍交通标志识别系统。技术涉及:Python编程语言开发TensorFlow搭建算法模型对数据集进行训练得到一个精度较高的模型文件Django开发网页端界面平台实现对58种交通标志图片进行识别二、效果图片展示!img_05_12_21
花朵识别系统Python+TensorFlow+Django+网页界面+算法模型
一、介绍花朵识别系统,使用Python作为主要编程语言进行开发,使用TensorFlow搭建卷积神经网络算法模型,并基于多种花朵数据集进行模型训练,最后得到一个精度较高的h5模型文件。并基于Django框架搭建网页端可视化操作界面。实现用户上传一张花朵图片,识别其名称。二、效
垃圾识别系统python+TensorFlow+网页界面+算法模型
1.简介本项目使用Python编程语言进行开始,并基于TensorFlow搭建算法网络模型,对五种常见的垃圾种类进行训练最后达到一个识别精度较高的模型。然后使用Django作为WEB后端框架,开发一个网页端的可视化操作平台,实现用户上传一张垃圾图片识别其名称。2.效果图片
AI「鸟口普查」,康奈尔大学利用深度学习分析北美林莺分布
<blockquote据世界自然基金会统计,19702016年,全球代表物种种群数量减少了68%,生物多样性不断下降。<br/保护生物多样性,需要对当地生态情况进行准确分析,制定合理的生态保护政策。然而,生态数据太过庞杂,统计标准又难以统一,大规模的生态分析很难开展。<br/近期
FaceFusion:探索无限创意,创造独一无二的面孔融合艺术!
FaceFusion:探索无限创意,创造独一无二的面孔融合艺术!它使用先进的图像处理技术,允许用户将不同的面部特征融合在一起,创造有趣和令人印象深刻的效果。这个项目的潜在应用包括娱乐、虚拟化妆和艺术创作,为用户提供了创造性的工具1.效果预览!(https://img
使用百度 API 实现图像识别
闲来无事研究了百度图像识别API,发现该功能还算强大,在此将其使用方法总结成教程,提供大家学习参考首先预览下效果!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/cdd0b000a58e0231cc82
Astronomaly:利用 CNN 和主动学习识别 400 万张星系图像中的异常
<blockquote星系中的异常现象是我们了解宇宙的关键。然而,随着天文观测技术的发展,天文数据正以指数级别增长,超出了天文工作者的分析能力。<br/尽管志愿者可以在线上参与对天文数据的处理,但他们只能进行一些简单的分类,还可能会遗漏一些关键数据。<br/为此,研究者基于卷积神经网络和无监督
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。