语义slam

多层次特征融合的中医药材推荐方法研究

在TextCNN模型参数量少、特征抽取全面等特点的基础上，进一步融合症状语义特征和序列特征，从而获取更全面的症状药材特征完成中医药材推荐任务，并将其在中医药材公开数据集上进行验证。
罗伯特之技术屋·2025-06-23 10:37

PHP云原生与Serverless架构深度实践

1.ServerlessPHP架构Bref与AWSLambda集成bash#安装Brefcomposerrequirebref/brefphpartisanvendor:publish--tag=serverless-configserverless.yml
seopthonshentong·2025-06-23 08:18

maxcomputer 和 hologres中的EXTERNAL TABLE 和 FOREIGN TABLE

在阿里云的大数据和实时数仓产品中，MaxCompute和Hologres都支持类似于EXTERNALTABLE和FOREIGNTABLE的机制，但它们的实现和语义有所不同。
静听山水·2025-06-23 06:37

6月19日复盘

词是最基本的语义单元。为了处理文本信息，须将连续的序列分割成有意
四万二千·2025-06-23 06:06

基于深度学习的智能图像语义分割系统：技术与实践

前言图像语义分割是计算机视觉领域中的一个重要任务，其目标是将图像中的每个像素分配到预定义的语义类别中。这一技术在自动驾驶、医学影像分析、机器人视觉等多个领域有着广泛的应用。
Blossom.118·2025-06-23 00:24

Oracle/MySQL/SqlServer/PostgreSQL等数据库的数据类型映射以及各版本数据类型情况说明

具体任务包括：1）建立主流数据库（如MySQL、Oracle、PostgreSQL、SQLServer等）的数据类型映射体系，明确各类型在语义、精度、存储范围上的等价关系（如MySQL的VARCHAR与
·2025-06-22 23:48

ROS的学习链接整理 （基于古月居）

机器人控制与仿真：http://wiki.ros.org/roscontrol机器人即使定位与地图建模：http://wiki.ros.org/gmappinghttp://wiki.ros.org/hectorslam
辣椒炒月饼·2025-06-22 23:16

NLPIR智能语义：大数据精准挖掘是信息化发展趋势

随着信息技术的高速发展、数据库管理系统的广泛应用，人们积累的数据量急剧增长，大量的信息给人们带来方便的同时，也带来了诸如：信息过量难以消化，信息真假难以辨识，信息安全难以保证，信息形式不一致难以统一处理等问题。如何从海量的数据中提取有用的知识成为当务之急。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。数据挖掘就是对观测到的数据集进行分析，目的是发现未知的关系和以数据拥有者可以理解并对其
weixin_33778544·2025-06-22 22:40

Patch Position Embedding (PPE) 在医疗 AI 中的应用编程分析

但如果不注入空间信息，模型难以区分同一病灶在不同坐标的语义差异。传统的绝对位置编码（如SinusoidalPE）对等距网格有效，却无法灵活适配病灶大小多变、图像分辨率不一的医学场景。
Allen_Lyb·2025-06-22 20:55

事务原语--时间戳方法

从语义上说，在基于时间戳的方法中，认为两个事务是不
weixin_34126557·2025-06-22 19:53

Neo4j关系属性操作完全指南：修改与更新技巧

Neo4j关系属性操作完全指南：修改与更新技巧引言在图数据库中，关系（边）和节点同等重要，而关系属性往往承载着关键的语义信息。与节点不同，关系属性的操作有其特殊性。
2501_91537388·2025-06-22 15:27

前端无障碍访问：生命周期中的ARIA实践

前端无障碍访问：生命周期中的ARIA实践关键词：无障碍访问、ARIA、WebAccessibility、屏幕阅读器、语义化HTML、WAI-ARIA、前端开发摘要：本文将深入探讨前端开发中如何通过ARIA
前端视界·2025-06-22 13:43

C++11 移动语义（Move Semantics） 简介

C++11移动语义（MoveSemantics），它允许更高效地转移资源所有权，而不是复制资源。通过移动语义，C++程序可以避免不必要的深拷贝，从而提升性能，尤其是在处理大型对象或资源时。
程序员乐逍遥·2025-06-22 06:56

即梦3.0文生图：AI绘画领域的革命性突破与行业格局重塑

这款被誉为“中文设计领域原子级突破”的模型，不仅以2K原生分辨率、3秒极速生成和94%的中文字符可用率刷新行业标准，更通过多模态语义对齐技术彻底解决了困扰AI绘图多年的“中文诅咒”——字体错乱、排版崩坏等问题
MidJourney中文版·2025-06-22 01:59

【入门级-基础知识与编程环境：程序设计语言以及程序编译和运行的基本概念】

程序设计语言是用于编写计算机程序的形式化语言，通过特定语法和语义规则，让开发者能够描述计算机需要执行的操作和逻辑。
papership·2025-06-22 01:56

(02)Cartographer源码无死角解析-(72) 2D后端优化→OptimizationProblem2D-约束残差、landmark残差

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解(02)Cartographer源码无死角解析-链接如下:(02)Cartographer源码无死角解析-(00)目录_最新无死角讲解
江南才尽，年少无知！·2025-06-21 21:01

cartographer官方指导文件说明---第3章 cartographer前端算法流程介绍

cartographer官方指导文件说明第3章cartographer前端算法流程介绍3.1ScanMatch扫描匹配扫描匹配（ScanMatching）是Cartographer中实现局部SLAM的核心技术
从小练武功·2025-06-21 20:28

C++ 右值引用（Rvalue reference）

实现移动语义：右值引用可以方便地实现移动构造函数和移动赋值运算符，从而提高移动语义的效率和可读性。实现完美转发：
小邓吖·2025-06-21 13:10

C++ 移动语义解析

目录1.移动语义2.使用移动语义3.编写移动构造函数和移动赋值运算符函数1.移动语义移动语义是C++语言的一组语义规则和工具。它旨在移动生命周期已到期的对象，而不是复制它们。
ComputerInBook·2025-06-21 11:30

【Python】Python+PIL计算两个图像的相似度

图像相似度，顾名思义，是指衡量两幅或多幅图像在视觉内容或语义信息上相似程度的指标。
宅男很神经·2025-06-21 11:58

展示深拷贝与移动语义的对比

定义Buffer类（含深拷贝和移动语义）```#include#include#includeclassBuffer{public://默认构造函数（分配内存）explicitBuffer(size_tsize
::呵呵哒::·2025-06-21 11:27

3.3 里程计在SLAM中的应用

启动仿真环境roslaunchwpr_simulationwpb_corridor_hector.launch可视化结果如图所示在Riz建图中存在问题换一种方式建图roslaunchwpr_simulationwpb_corridor_gmapping.launch由于历程计的参与，地图被顺利建成
小慧1024·2025-06-21 06:57

Happy-LLM task2 第一章 NLP 基础概念（2天）

其核心目标是打破自然语言与机器语言的壁垒，使计算机能处理语义、语境、情感等复杂语言要素，完成从基础分词到深层语义理解
unityのkiven·2025-06-20 22:34

3D制作与数字媒体领域的技术突破

制作与数字媒体领域的技术突破、应用实践及未来趋势的专业综述，结合最新研究成果与产业落地案例，分为三部分呈现：一、技术突破：3D生成与重建的核心创新1.单图生成可拆分3D角色（StdGEN）技术原理：通过语义感知大规模重建模型
速易达网络·2025-06-20 20:15

Java实体类包名终极抉择：pojo vs bean vs model vs entity？90%开发者选错了！

在Java项目中，实体类的包名选择没有绝对标准，但根据行业实践和语义清晰度，我推荐以下方案：推荐方案：使用model或entitycom.yourcompany.project.model或com.yourcompany.project.entity
可曾去过倒悬山·2025-06-20 17:30

循环神经网络RNN

NLP涵盖了从文本到语音、从语音到文本的各个方面，它涉及多种技术，包括语法分析、语义理解、情感分析、机器翻
Xyz_Overlord·2025-06-20 16:55

YOLOv12改进策略【Neck】| BMVC 2024 MASAG 模块（多尺度自适应空间注意门）：动态感受野与空间注意力增强多尺度目标检测精度

MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野，实现了对跨层级特征图中局部细节与全局语义的智能聚合。
Limiiiing·2025-06-20 15:17

2025系统架构师---必考知识

1.软件体系结构风格用于描述某一特定应用领域中系统组织方式的惯用模式，反映了领域中众多系统所共有的结构和语义特性，并可指导如何将各个模块和子系统有效地组织成一个完整系统。
喜欢猪猪·2025-06-20 07:14

IoTDB 分段查询语句详解：GROUP BY + 时序语义

GROUPBY查询子句的时序语义展开，IoTDB支持的分段方式总结！存储的数据通过分析来发挥价值，当一组被存储的数据通过查询得到分析后的结果时，这些数据才真正在数据库中实现了价值闭环。
Apache IoTDB·2025-06-20 07:13

词编码模型有哪些

词编码模型有哪些词编码模型在高维向量空间的关系解析与实例说明如Word2Vec、BERT、Qwen等一、高维向量空间的基础概念词编码模型（如Word2Vec、BERT、Qwen等）的核心是将自然语言符号映射为稠密的高维向量，使语义相近的词汇在向量空间中位置接近
ZhangJiQun&MXP·2025-06-20 05:04

为 AI 编写文档：最佳实践

将图片/复杂排版文档转化为LLM可读格式（如Markdown）AI友好写作原则（为AI写作）1.内容清晰、结构化、显式表达2.每段内容应自包含、易分块理解3.使用统一术语，增强语义匹配4.图表信息应有文字说明
·2025-06-20 04:05

C与C++中的const终极对比指南

在C和C++中，const是一个非常重要的关键字，用于表示“只读”或“常量”的语义。虽然两者都支持const，但在语义、用途和行为上存在显著差异。
程序员弘羽·2025-06-20 02:13

前端开发者必须要掌握的技术栈及学习建议，都是干货

作为前端开发者，必须要掌握的技术栈非常的广泛，但总体脉络不变，以下是当前前端开发的核心技术分类和学习建议，按优先级和重要性排序如下（都是干货）：一、基础三件套（必学）HTML5语义化标签、表单验证、WebAccessibility
老猿阿浪·2025-06-19 23:55

SLAM面试笔记(5) — ROS面试

目录1ROS概述2ROS通信机制问题：服务通信概念问题：服务通信理论模型问题：参数服务器概念问题：参数服务器理论模型问题：参数服务器实现函数3ROS常用命令4常见面试题问题：roslaunch和rosrun区别？问题：什么是ROS？问题：ROS中的节点是什么？问题：ROS的消息通信机制是什么？问题：如何创建ROS的工作空间？问题：ROS中常用的机器人控制库有哪些？问题：ROS中如何进行机器人导航？
几度春风里·2025-06-19 18:16

nerf-slam论文复现

nerf-slam实现三维重建详细的在我文档里面(有图片步骤)TableofContentsInstallDownloadDatasetsRunCitationLicenseAcknowledgmentsContactInstallClonerepowithsubmodules
搬砖者（视觉算法工程师）·2025-06-19 16:27

【Python】OpenCV手势

1.1重新定义“拖拽”：从物理世界到虚拟空间的语义映射首先，我们必须对
·2025-06-19 14:13

拷贝构造函数

拷贝构造函数是C++对象复制语义的基石。它定义了对象如何被克隆，直接影响程序的正确性、性能和资源安全。
多吃蔬菜！！！·2025-06-19 11:53

RAGFlow是一个基于深度文档理解的开源RAG引擎

RAGFlow概述RAGFlow是一款基于深度文档理解的开源RAG（检索增强生成）引擎，专注于处理复杂文档结构并提供精准的语义检索与生成能力。
lyh1344·2025-06-19 08:30

STM32和树莓派的分工

⚙️修正版：典型硬件组合与通信流程（以移动机器人为例）1.硬件分工：大脑vs四肢角色硬件运行软件核心任务是否直接运行ROS决策大脑树莓派4B/JetsonNanoUbuntu+ROS运行SLAM、导航、
·2025-06-19 00:07

YOLOV8模型优化-选择性视角类别整合模块（SPCI）：遥感目标检测的注意力增强模型详解

然而，遥感目标检测面临三大难题：尺度剧变：目标尺寸从几米到几百米不等（如飞机vs油罐）密集分布：港口/机场等场景存在大量密集目标背景干扰：自然/人造景观交织导致语义混淆现有方法如YOLOv8虽在通用目标检测表现优异
清风AI·2025-06-18 22:24

（三十二）深度解析领域特定语言（DSL）第六章——语法分析：第二个案例——减法表达式计算

为保持示例的简明性，本案例暂不涉及语义模型构建及错误处理机制，但会演示如何在语法分析过程中同步完成表
weixin_46217641·2025-06-18 21:15

HTML5 更新的功能

文章目录前言**一、语义化标签（SemanticElements）****二、多媒体支持（Audio&Video）****三、图形与绘图（Canvas&SVG）****1.``****2.SVG内联支持
TE-茶叶蛋·2025-06-18 20:11

知识图谱（KG）、LLM结合：【KG增强LLM：注入结构化知识】【LLM增强KG：自动化构建与补全】【KG与LLM协同：统一表示与联合推理】

两者分别代表符号主义与连接主义的知识表示方式：KG提供结构化、可解释的符号化知识，而LLM具备强大的语义理解和泛化能力。二者的协同可显著提升知识的准确性、推理能力及可解释性。
u013250861·2025-06-18 13:25

自然语言处理分类

包括词性标注，分词，语法解析，语言模型，信息检索，信息抽取，语义表示，文本分类。这些任务发展较为成熟，各种相关工作的主要目的是提高当前模型的性能。第二类是人工智障NLP。
要奋斗呀·2025-06-18 10:58

LangChain 与 Milvus 的碰撞：全文检索技术实践

语义搜索更善于理解含义和上下文，而全文搜索则擅长精确的关键词匹配，因此是语义搜索的有益补充。BM25算法被广泛用于全文搜索的排序，并在检索增强生成（RAG）中发挥着关键作用。
金汐脉动 | PulseTide·2025-06-18 08:47

[论文阅读]PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers

1.摘要双分支网络结构已显示出其对实时语义分割任务的效率性和有效性。
颜笑晏晏·2025-06-18 08:16

GET 与 POST（计算机网络）

从RFC规范定义的语义来看：GET方法安全且幂等的，因为它是「只读」操作，无论操作多少次，服务器上的数据都是安全的，且每次的结果都是相同的
_OLi_·2025-06-18 05:56

Get和Post的区别

1.Get和Post没有本质上的区别首先，Get和Post没有本质上的区别，多数Web框架（如Spring、Django）允许开发者自定义请求方法的处理逻辑，即使方法与语义不符，服务器仍能正确解析数据。
小张0.0·2025-06-18 04:25

「Happy LLM」机器与人类沟通的桥梁——NLP

其本质上是将人类语言转化为机器可处理的结构化数据（如语义解析），同时将机器
OvO_ll·2025-06-17 23:18

Qwen3-Embedding-Reranker本地部署教程：8B 参数登顶 MTEB 多语言榜首，100 + 语言跨模态检索无压力！

基于Qwen3基础模型构建，二者通过协同工作显著提升语义理解与信息检索效率，在多语言场景和工业部署中表现卓越。
算家计算·2025-06-17 23:14
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他