自建在线零食电商平台,搭建自己的“托马斯商城”

2021-01-11 09:21:34

教你通过托马斯商城的开发和部署学会使用DevOps平台、敏捷项目管理通过使用华为云DevCloud对托马斯商城进行一系列的云端项目管理。

零门槛入门数据库学习之数据库技术发展史

2021-01-08 11:34:17

本文带你了解 数据库 技术的发展历史,从人工管理阶段,到文件系统阶段,再到数据库系统阶段,以及这几个阶段的数据库技术特点。

自定义TBE算子入门,不妨从单算子开发开始

2021-01-08 11:18:54

如何提高算子的计算性能?怎样修改现有算子的计算逻辑?昇腾AI软件栈不支持模型中的算子怎么办?别急别急,和我一起从单算子开发学习自定义算子开发吧!

主变油位智能识别

2021-01-08 10:20:19

华为云好望商城主变油位智能检测主要应用于变电站,利用智能摄像机的前端AI技术对工作现场的视频进行实时分析,自动检测管式油位计油标颜色并实时反馈,为安监人员进行现场监督提供技术保障。

打手机智能识别

2021-01-08 10:13:57

华为云好望商城打手机智能检测主要应用于禁止打手机的场景下,利用智能摄像机的前端AI技术对现场的视频进行实时分析,自动检测是否有人员打手机,实时上报违章人员信息,提高作业安全。

深圳市铁越电气有限公司

2021-01-08 10:09:13

深圳市铁越电气有限公司成立于2000年初,注册资金9000万,总部位于深圳龙岗,是一家基于人工智能和巡检机器人为核心技术的电力物联网公司,为电力行业发电、输电、变电、配电等领域提供智能安防、智能运检、智慧生产等智能化 解决方案

安全帽检测

2021-01-07 11:11:26

安全帽检测,是利用AI视频分析技术,对检测区域内的工作人员是否佩戴安全帽进行检测,当检测到有人员未佩戴安全帽时产生告警。适用于对佩戴安全帽有要求的场景,如建筑工地、生产厂区、工业园区等。

漂浮物识别算法

2021-01-07 10:46:15

漂浮物识别算法,是基于深度学习的计算机智能视频物体检测算法,且通过规模化的漂浮物数据(塑料泡沫,垃圾袋,河道漂浮植被)检测训练,赋予监测系统智能检测能力,从而准确判断检测场景内的是否有漂浮物类型目标

高安屯智慧电厂案例

2021-01-07 10:31:04

为强化生产安全管理,高安屯热电厂在原有视频的基础上,建设了一套智能电厂管理系统。通过对生产现场重要场所部署专业高清网络摄像机,准确地分析实时视频的关键信息,及时发现各种安全隐患。

内蒙古京隆电厂智能监控案例

2021-01-07 10:23:52

为了加强生产区域的安全管理,充分提高技术防范手段,降低安全风险,在内蒙古京隆发电有限责任公司2×600MW空冷机组及公用系统所在的生产区域建设了一套智慧电厂管理系统.

智慧电厂解决方案

2021-01-07 10:16:24

华为云好望商城信云智联智慧电厂解决方案,以机器视觉为核心,围绕着电厂安全监督管理应用形成了一系列贴合场景的应用系统,致力于通过人工智能技术提高安全监督管理效率,减轻人工工作压力。

电梯内电瓶车检测

2021-01-06 10:15:15

电梯内电瓶车检测:电瓶车起火事件时有发生,为保证楼宇公共安全,禁止电瓶车进入,该产品采用AI智能算法,利用卷积神经网络技术,通过深度学习实现电瓶车检测功能。算法使用了深度神经网络技术,通过使用大量实际场景图片训练得到的模型,实现对电瓶车的检测,具有速度快、准确率高的特点。算法特别优化了俯视视角下的目标检测,更适合电梯内的使用场景。标准测试场景下检测率超过90%,错误率小于5%。

华为网络AI学习赛2021日志异常检测

2021-01-05 11:45:27

华为网络AI学习赛2021日志异常检测为日志异常检测赛道。通信网络中部署的大规模通信设备在运行过程中会产生海量日志,日志记录了各个设备的运行状态。日志中含有传统kpi曲线无法体现的一些事件,通过收集并分析日志,可以发现或预知网络中已发生或潜在的故障。然而由于目前日志规范不统一,日志数据呈现出非结构化,数据量大的特点。依靠人工分析效率低下,因此十分有必要引入AI算法进行日志异常检测,以达到降低运维成本,显著提升业务体验的目的。

华为网络AI学习赛2021-硬盘异常检测

2021-01-05 11:41:15

本赛道为硬盘异常检测赛道。硬盘生命周期通常为3~5年,在2~3年后故障率明显升高,导致换盘量陡增。在华为数据中心服务器硬件故障中,硬盘故障占比达到48%+。因此通过机器学习构建硬盘故障预测模型,对数据中心典型硬件进行预测,可以提前感知硬件故障,降低运维成本,显著提升业务体验。

华为网络AI学习赛2021-KPI异常检测

2021-01-05 11:40:25

本赛道为KPI异常检测赛道。核心网在整个移动运营商网络中占据着举足轻重的地位,一旦故障,会对全网的服务质量影响很大。需要及时快速发现核心网的风险,在影响范围扩大之前及时消除故障。关键性能指标(KPI),反应了网络性能和质量。对KPI进行检测,能够及时发现网络质量劣化风险。 本赛题数据中提供某运营商的KPI真实数据,采样间隔为1小时。参赛选手需要根据历史40天异常标签数据(训练 数据集 ),训练模型并检测后续17天内各KPI(测试数据集)中的异常。

共7780条