内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • [需求建议]ModelArts初次使用体验

    代理已经配置好了,而这里依然提示可能的原因是 未配置代理,显然肯定不是;部分文件上传失败,可能是由于图片太大,但是最大限制是多少,没有给出提示,不合适。2、创建数据集,导入图片时,进度必须手动刷新才能显示,这个不合理,平台完全可以自动刷新。

    作者: 光明使者
    1127
    1
  • [Python图像处理] 二十六.图像分类原理及基于KNN、朴素贝叶斯算法的图像分类案例丨【百变AI秀】

    或图像中的区域划分为若干个类别,以代替人的视觉判断。图像分类的传统方法是特征描述及检测,这类传统方法可能对于一些简单的图像分类是有效的,但由于实际情况非常复杂,传统的分类方法不堪重负。现在,广泛使用机器学习和深度学习的方法来处理图像分类问题,其主要任务是给定一堆输入图片,将其指派到一个已知的混合类别中的某个标签。

    作者: eastmount
    发表时间: 2021-08-24 02:59:16
    7720
    0
  • 鸿蒙 Animation 动画的各种用法教程

    帧动画是利用视觉暂留现象,将一系列静止的图片按序播放,给用户产生动画的效果 在Project窗口,打开“entry > src > main > resources > base > media”,添加一系列图片至media目录下。 在g

    作者: xq9527
    发表时间: 2022-06-09 07:06:29
    615
    0
  • 【愚公系列】2022年03月 微信小程序-自带图标和阿里图标的使用

    前言 在小程序中经常会用到各种各样的图标,如果这些图标都使用图片的话,将会大大增加小程序打包后的体积,而小程序限制代码最大2MB,分包加载4MB,所以为了缩小体积,我们可以使用图标来缩小体积。 使用图标有两种方式: 自带图标 外部图标(阿里图标) 自带图标组件属性说明:

    作者: 愚公搬代码
    发表时间: 2022-03-03 07:06:53
    968
    0
  • 零代码搭建物联网监控大屏

    选择“对象存储服务(OBS)” 区域 选择“对象存储服务”区域。若未授权访问此区域的服务,请根据界面提示,配置云服务访问授权。

  • Git的初入门

    Git的三个区域 Git本地有三个工作区域:工作目录(Working Directory)、暂存区(Stage/Index)、资源库(Repository或Git Directory)。如果在加上远程的git仓库(Remote Directory)就可以分为四个工作区域。文件在这四个区域之间的转换关系如下:

    作者: 平凡的人1
    发表时间: 2022-09-21 09:20:59
    187
    0
  • Flutter系列文章-Flutter基础

    Widget构建的。每一个Widget都描述了界面上应该看到什么。你可以把Widget看作是应用界面的一个构建块。它们包括用于显示文字图片、图标、输入框以及行为等的元素。 7.1.1 Text:这个widget用于显示简单的样式文本,它包含一些控制文本显示样式的属性。####

    作者: 很久
    发表时间: 2023-07-17 14:13:57
    41
    0
  • 请教hilens studio模型转换的问题

    m模型,但是只把图片送入两个模型里得出的输出结果和数组的维度都完全不一样。【操作步骤&问题现象】1、模型转换成功,也可以调用。2、两种模型我都是只进行完全相同的预处理送入网络,网络输出完全不一样。【截图信息】上图是hilen studio中读取om模型,放入图片得到的网络的输出,

    作者: 耶梦加得
    1477
    5
  • 论文精讲 | MIR 2022 反者道之动, 基于因果推断的可解释对抗防御

    与干净样本相比,对抗样本的因果效应连续性更差,相邻的子区域很可能具有完全相反的因果效应,一个有利于增强当前输出,另一个有利于削弱当前输出;3. 对抗样本中具有正向因果效应的子区域通常分布在原本就纹理丰富的区域,而非干净的背景等区域,这说明对抗样本往往对已有的图像内容加以修改而非无中生有。相关的定量统计体现在Table

    作者: huanxl
    52
    0
  • 《HoloLens与混合现实开发》—1.9.2 产品概述

    CRS(1)CRS简介EasyAR CRS是云端识别图片的解决方案,帮助开发者在线实时管理百万级别的被识别图。通过CRS解耦应用和识别目标,利用云端海量强大、低价的计算,使有限的手机等智能终端支持一个应用识别上万级别的图片,而且被识别的目标图片可以作为内容动态更新管理,无须应用升级。EasyAR

    作者: 华章计算机
    发表时间: 2019-06-19 10:54:53
    7059
    0
  • 【第7题】输入一行字符,分别统计出其中英文字母、空格、数字和其它字符的个数

    文章目录 零、前言 一、题目描述 二、解题思路 三、代码详解 四、推荐专栏

    作者: 小虚竹
    发表时间: 2022-03-12 14:48:12
    3938
    0
  • 告别模糊时代,扫描全能王带来清晰世界

    通过对碑文文字的修复,我们可以观察到产品1对文字有了一定的清晰处理能力,但是远远达不到使我们可以清晰阅读的效果;而产品2仅仅局限于对照片表面的修复,并没有对文字进行清晰化的修复,这也是我们大多数手机自带的扫描工具所能提供的;而扫描全能王却可以将碑文的画面进行更加细致的修复,文字变得十

    作者: 是Dream呀
    发表时间: 2024-07-01 15:38:24
    1
    0
  • 涨粉写作经验分享(一) - 写作技巧

    提高文章的完读率。   如下例: 技巧2:避免长篇幅文字,减少读者阅读疲倦感   冗长的文字会让读者产生疲倦感,但是因为有些知识的概念又不得不介绍,你是否有过类似的疑惑?这时候可以在苍白的文字中引入一些与概念相符的图片或者表情包进行过渡,减轻读者的疲倦感,同时还能够让读者对概念进行具体化,进一步了解知识。

    作者: IT学习日记v
    发表时间: 2022-03-29 14:44:32
    591
    0
  • 计算机基础.办公自动化期末试卷复习必看

    “ 预设动画 ”选项 D. “自定义动画 ”选项 25.在PPT中允许演示文稿中建立的超级链接的对象是( D ) A.图片 B.文本 C.站点 D.任何文本、图片或某些对象 26.当前个人电脑所采用的电子器件是( D ) A.电子管 B.晶体管 C.集成电路 D.超大规模集成电路

    作者: tea_year
    发表时间: 2021-12-22 15:00:29
    613
    0
  • 有奖征文 第26期 【华为云开天aPaaS:高效低码,丝滑开发】获奖名单出炉!

    使用开天集成工作台,从零开始创建一个流【华为云开天aPaaS】 3.5 福州司马懿 三等奖50元礼 零基础使用 开天集成工作台 创建图片文字快速识别流应用【华为云开天aPaaS】 3.375 福州司马懿 三等奖50元礼 参与奖 昵称 获得奖项 我中奖了 参与奖50元礼

    作者: 技术火炬手
    发表时间: 2023-10-13 16:04:40
    904
    0
  • Java字符串操作

    } } /* 输出结果:转换为大写: STRING */ 12345678 判断两个字符串区域是否相等 使用 regionMatches() 方法判断两个字符串区域是否相等。 第一个参数,ignoreCase=True表示忽略大小写区别第二个参数,toffset

    作者: 冬晨夕阳
    发表时间: 2022-03-29 17:11:36
    300
    0
  • spring boot高精度人员定位系统源码,UWB定位技术

    智能考勤:自定义考勤区域和部门考勤班次,自动判断迟到、早退;自动生成考勤报表,记录上下班时间和在岗时间。   电子围栏:自定义围栏区域,灵活设置围栏规则权限,非法入侵自动报警。   报警管理:智能识别违规行为,软件、标签自动报警,记录告警区域、时间、类型等信息以便查询。

    作者: yd_235362283
    发表时间: 2023-11-25 14:50:04
    33
    0
  • 利用深度学习识别滑动验证码缺口位置

    学习模型需要训练数据。啥也不告诉模型,模型从哪里去学习?所以,我们得预先有一些标注好位置的图片供模型去学习(训练),比如准备好多张狗的图片和狗的轮廓标注位置,模型在训练过程中会自动学习到图片和标注位置的关系。模型训练好了之后,我们给模型一个没有见过的类似的狗的图,模型也能找出来目

    作者: 竹叶青
    发表时间: 2019-11-09 22:49:02
    4302
    0
  • AI在医疗影像分析中的应用:深度学习与医学影像的融合

    够自动从影像中提取高维特征,例如肿瘤、结节、骨折等病变区域,从而辅助医生进行准确诊断。2.1.1 CNN的基本结构CNN通常由多个卷积层、池化层、全连接层等组成,其中卷积层负责从输入图像中提取局部特征,池化层负责降低特征维度减少计算量,全连接层负责对提取的特征进行分类或回归。2

    作者: 柠檬味拥抱1
    348
    5