HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
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
开源项目
全部项目推荐好文
ICDAR 比赛技术分享
一背景ICDAR2021(InternationalConferenceonDocumentAnalysisandRecognition)于2021年9月510日在瑞士召开。ICDAR会议是文档分析与识别领域国际顶级会议,每两年举办一次,涵盖了文档分析与识别领域的最新学
自动化视频质量保障
导语 “ 随着移动设备的普及和短视频行业的兴起,大量视频被存储到云端并经由互联网进行大规模地传播。以COS上的视频内容生产流程为例,从被生产出来到被消费者观看,视频大多在数据万象经历了摄取、压缩、处理、传输和恢复等诸多环节,不可避免地对视频产生各种画面失真与降质。例如,视频编码技术虽然
基于深度学习的细粒度分类研究及应用
本文主要介绍深度学习图像分类的经典网络结构及发展历程,就细粒度图像分类中的注意力机制进行了综述,最后给出了汽车之家团队参加CVPR2022细粒度分类竞赛所使用的模型及相关算法、参赛经验等,同时介绍了该模型在汽车之家车系识别业务中的应用。对于想了解图像分类任务、相关比赛技巧及业务应用的读者有一定借鉴意
【课程作业经验】 基于MindSpore框架的数字调制信号盲识别研究
基于深度学习的数字调制信号盲识别研究概述信号调试方式识别技术在军、民等领域具有重要研究价值,信号调制方式的正确识别是通信接收机正确解调译码的前提。盲调制识别技术旨在接收未知调制信号类型并自动分类识别,此技术能在大量复杂多样的调制信号中正确识别调制格式,其对通信效率的提升颇有益处。目前基于深度学习的盲
【MindSpore易点通·漫游世界】在Jetson AGX Orin上源码编译安装MindSpore 1.8.0 GPU版
上次张小白使用gcc9.4.0源码编译MindSpore1.8.0CUDA11的版本失败了:https://bbs.huaweicloud.com/f...(https://link.segmentfault.com/?enccgjKfCNE12Rg%2BnENubFfkQ%3D%
实时云渲染——让元宇宙从科幻走入现实
元宇宙概念持续升温,各大科技巨头纷纷入局。风口的宇宙世界,如何从科幻走入现实?在元宇宙世界中,逼真且实时呈现的视觉效果格外重要,栩栩如生的人物、巧夺天工的场景、一个又一个精美的世界离不开大计算量的渲染技术加持。强大的实时云渲染技术将成为宇宙基础设施重要的组成部分。!图片(https://img
毫秒级!千万人脸库快速比对,上亿商品图片检索,背后的极速检索用了什么神器? ⛵
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/e52045e379b2a085d0fde3df19e18422.png)<blockquote💡作者:<ahref"https://link.segmentfau
AI+医疗:使用神经网络进行医学影像识别分析 ⛵
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/09e82914ca81db196e8d0b29697b87dd.png)<blockquote💡作者:<ahref"https://link.segmentfau
Learning a Deep Compact Image Representation for Visual Tracking
原文链接(https://link.segmentfault.com/?enc6KTC794t5h1aVNOdXJDoRw%3D%3D.6cjIlOF0lxiBU5myOgfaRSqE2s1S%2BnpS8T9uN%2FUnWdo8pA3DatZQ1V98AFFsbcGcbjDwsCDKSSx
机器学习的命脉:自定义数据集的6个关键步骤,你知道几个?
高质量数据是机器学习的命脉,创建合格的数据集对模型培养至关重要,本文将简要介绍自定义数据集的6个关键步骤:选择收集方式数据集收集有三种方式,第三方购买、开源平台收集、手动收集。在手动收集方面,可以利用数据抓取工具帮助收集部分素材,也可使用自己的设备,如相机或传感器。以手动
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。