lbp特征

安防监控漏报频发？陌讯实时检测算法实测召回率98%

二、技术解析：陌讯算法的三重创新陌讯视觉算法通过多尺度特征融合+自适应光照补偿提升鲁棒性：动态感受野机制在Backbone中引入可变形卷积（DeformableConv），公式表示为：y(p)=
2501_92487721·2025-07-11 16:39

重型机械识别漏检率高？陌讯算法实测降 35%

在重型机械作业场景中，传统视觉识别系统常面临三大痛点：大型设备遮挡严重导致漏检率超20%、金属表面反光使特征提取失效、多机型混合作业时模型泛化能力不足。
·2025-07-11 16:09

基于SIFT-POCS的超分辨率图像重建技术研究与实现

基于SIFT-POCS的超分辨率图像重建技术研究与实现摘要本文详细研究了基于SIFT特征匹配和POCS(ProjectionOntoConvexSets)算法的超分辨率图像重建方法，并完整实现了文献"Super-ResolutionImageReconstructionBasedonSIFT-POCS
神经网络15044·2025-07-11 15:28

Python 语音识别系列-实战学习-语音识别特征提取

Python语音识别系列-实战学习-语音识别特征提取前言1.预加重、分帧和加窗2.提取特征3.可视化特征4.总结前言语音识别特征提取是语音处理中的一个重要环节，其主要任务是将连续的时域语音信号转换为连续的特征向量
·2025-07-11 14:25

灰度发布策略制定方案时可以参考的几个维度

选择用户群体并设计合理的分组策略是控制风险、验证功能效果策略总结：一、选择用户群体的核心原则代表性覆盖用户需覆盖核心特征（如地域、设备类型、使用场景），确保测试结果能反映整体用户行为。
·2025-07-11 13:46

Manus AI与多语言手写识别

与多语言手写识别背景与概述手写识别技术的发展现状与挑战ManusAI的核心技术与应用场景多语言手写识别的市场需求与难点ManusAI的技术架构深度学习在手写识别中的应用多语言支持的模型设计数据预处理与特征提取方法多语言手写识别的关键挑战不同语言字符的多样性处理上下文语义与书写风格适应性低资源语言的训练数据获取解决方案与优化策略迁移学习在多语言任务中的应用端到端模型的优化与轻量化用户反
·2025-07-11 13:45

三维表面轮廓仪的维护保养是确保其长期稳定运行的关键

三维表面轮廓仪是一种高精度测量设备，用于非接触式或接触式测量物体表面的三维形貌、粗糙度、台阶高度、纹理特征等参数。其主要基于光学原理进行测量。
CHOTEST中图仪器·2025-07-11 13:44

【亲测免费】 CatBoost 教程项目使用指南

tutorials项目地址:https://gitcode.com/gh_mirrors/tutorials1/tutorials1.项目介绍CatBoost是一个高效、灵活且易于使用的梯度提升库，特别适用于处理分类特征
·2025-07-11 11:33

BEV开山之作Lift-Splat-Shot (LSS) 深度详解

Lift-Splat-Shot（LSS）是一种高效的视角转换方法，能够将透视视图特征转换为BEV空间，从而实现更准确的3D物体检测。本文将详细解析LSS的工作原理、技术细节及其应用场景。
shuaishuaideyuzi·2025-07-11 10:27

前沿交叉：Fluent与深度学习驱动的流体力学计算体系

方程数值解法（有限差分/有限元/伪谱法）·Fluent工业级应用：稳态/瞬态流、两相流仿真（圆柱绕流、入水问题）·Tecplot流场可视化与数据导出2、CFD数据的AI预处理·基于PCA/SVD的流场数据降维·特征值分解与时空特征提取深度学习核心
m0_75133639·2025-07-11 10:56

中药细粒度图像分类

在细粒度图像分类（FGVC）领域，BilinearCNN（BCNN）模型因其能够捕捉图像中的局部特征交互而受到广泛关注。
小lo想吃棒棒糖·2025-07-11 10:56

使用Qlib基于LightGBM预测沪深300涨跌

本文配置一个基于LightGBM的梯度提升决策树（GBDT）模型，并使用金融数据集（包含158个技术指标特征）进行训练和预测。
DeepReinforce·2025-07-11 10:25

2025年人工智能、虚拟现实与交互设计国际学术会议

重要信息官网：www.aivrid.com时间：2025年10月17-19日地点：中国-东莞部分介绍征稿主题包括但不限于：生物特征模式识别机器视觉专家系统深度学习智能搜索自动编程智能控制智能机器人系统组件虚拟现实平台用于
学术小八·2025-07-11 10:52

【自动驾驶】经典LSS算法解析——深度估计

EncodingImagesFromArbitraryCameraRigsbyImplicitlyUnprojectingto3D代码：https://github.com/nv-tlabs/lift-splat-shoot概括：先做深度估计和特征融合
IRevers·2025-07-11 10:52

【AXI】读重排序深度

设计一个读重排序深度为3的具体场景，展示从设备如何利用3级队列优化访问效率：基础设定从设备类型：DDR4存储控制器（支持4个存储体Bank0-Bank3）读重排序深度：3（允许同时跟踪3个未完成读请求）访问延迟特征
oahrzvq·2025-07-11 08:12

WebLogic 作用，以及漏洞原理，流量特征与防御

环境主要功能：应用部署，事务管理，集群与负载均衡，安全控制，资源池化，消息中间件典型的使用场景：银行核心系统，电信计费平台，电商大促平台主要漏洞：T3反序列化，IIop反序列化，xml反序列化，未授权访问流量特征
Bigliuzi@·2025-07-11 07:31

OpenCV颜色矩哈希算法------cv::img_hash::ColorMomentHash

它基于图像在HSV颜色空间中的颜色矩统计特征来生成哈希值，对颜色分布的变化具有较好的鲁棒性。适用于以下场景：图像检索图像去重水印检测色彩变化较大的图像匹配公共成员函数compute(I
·2025-07-11 05:51

python面向对象的基本语法

而类是一个抽象的，是对一群具有相同特征的事物的统称，例如：'书是人类进步的阶梯'中的书就是一个类，而并不是具体指的哪一本。简单来说类是具有相同特征的一些事物的抽象，对象是类的实例。
苏果儿～·2025-07-11 05:19

mysql连接池

共同特征池化技术通常应用于以下对象，这些对象具有以下共同特征：对象创建时间长创建对象需要较长的时间。对象创建需要大量资源包括内存、CPU或网络资源。
·2025-07-11 04:44

YOLOv11模型轻量化挑战技术文章大纲

计算资源限制轻量化面临的挑战：精度与速度的权衡、模型压缩方法的选择YOLOv11的轻量化技术方向网络结构优化：深度可分离卷积、分组卷积、瓶颈设计模型剪枝：结构化剪枝与非结构化剪枝策略知识蒸馏：教师-学生模型框架与特征匹配方法量化与低比特压缩
程序猿全栈の董（董翔）·2025-07-11 03:40

大模型卷积神经网络（CNN）的架构原理

一、卷积神经网络（CNN）的核心原理与架构CNN是一种专为结构化数据（如图像、文本）设计的深度学习模型，其核心在于层次化特征提取与参数高效共享，使其成为大模型中视觉和多模态任务的基础组件。
hao_wujing·2025-07-11 03:38

大模型的“涌现能力“：现象、表现与成因解析

文章目录一、涌现能力的本质与特征1.1基本定义1.2识别标准二、三种典型涌现能力表现2.1少样本上下文学习（Few-shotIn-contextLearning）表现特征实证数据可能成因2.2思维链推理
北辰alk·2025-07-11 02:32

【论文阅读】Decoupled Knowledge Distillation

摘要：最先进的蒸馏方法主要基于从中间层蒸馏出深层特征，而logit蒸馏的重要性则被大大忽视了。
Bosenya12·2025-07-10 22:38

【机器学习笔记Ⅰ】10 特征工程

特征工程（FeatureEngineering）详解特征工程是机器学习和数据科学中的核心环节，旨在通过对原始数据的转换、组合和提取，构建更适合模型的高质量特征。
·2025-07-10 20:49

脑电分析入门指南：信号处理、特征提取与机器学习

脑电分析入门指南一、为什么要研究脑电1.课题目标（解决什么问题）2.输入与输出二、脑电分析的整体流程三、每一步详解1.数据采集2.预处理3.特征提取4.特征选择/降维5.分类与识别四、研究过程中遇到的挑战与解决方法五
Ao000000·2025-07-10 18:39

常见DDOS攻击方式与防护详解

2、特征提取过滤：UDP协议报文多为工具输出，具有一
“萌面大虾”·2025-07-10 17:34

Camera相机人脸识别系列专题分析之十六：人脸特征检测FFD算法之libcvface_api.so数据结构详细注释解析

上一篇我们讲了：这一篇我们开始讲：Camera相机人脸识别系列专题分析之十六：人脸特征检测FFD算法之libcvface_api.so数据结构详细注释解析目录一、libcvface_api.so数据结构详细注释解析一
一起搞IT吧·2025-07-10 15:51

神经网络初步学习3——数据与损失

（1）区别这里不妨以图像识别为例子：（1）在传统的机器学习视角中：我们需要人工手动去设置并提取我们的特征量，例如常见的SIFT、SURF和HOG等，随后需要我们选择合适的分类器（例如：SVM、KNN等分类器
X Y O·2025-07-10 12:33

JVM内存泄漏与内存溢出：原理详解与实战应对策略

关键特征：渐进式发展，如同慢性病通常由编码缺陷引起最终可能导致内存溢出1.2内存溢出（OutOfMemoryError）定义：是内存
·2025-07-10 12:28

ResNet：深度卷积神经网络的里程碑

一、引言在深度学习的发展历程中，深度卷积神经网络（CNN）不断演进，旨在提升对图像等数据的特征提取与分类能力。
心想事“程”·2025-07-10 10:18

视觉算法之卷积神经网络

通过模拟大脑皮层中视网膜和视觉皮层的层次化结构,CNN能够有效地捕捉图像中的局部特征并逐步抽象为高层语义信息。这种设计使得CNN特别擅长处理图像和音
清风AI·2025-07-10 10:17

卷积神经网络架构的演进：从AlexNet到EfficientNet

更宽的网络意味着卷积层中有更多的特征图（滤波器
t0_54manong·2025-07-10 10:47

Linux守护进程

它们具有几个显著的特征，使其在系统中扮演重要角色。主要特征：长期运行：守护进程通常在系统启动时启动，并会持续运行，直至系统
不脱发的程序猿·2025-07-10 08:04

Python爬虫实战：研究python-nameparser库相关技术

例如，在客户关系管理系统中，准确解析姓名可以帮助企业更好地了解客户背景；在学术研究中，分析作者姓名分布有助于发现研究团队的地域特征；在社交网络分析中，姓名信息可以辅助进行用户画像构建。
ylfhpy·2025-07-10 04:10

【无标题】如何定制开发小程序APP

-剖析目标受众：深入了解目标受众的特征，包括年龄、性别、职业、消费习惯、地域分布等，以便设计出符合其使用偏好的产品。
·2025-07-10 02:54

基于大模型的急性出血坏死性胰腺炎预测技术方案

目录一、算法实现伪代码1.数据预处理与特征工程2.大模型训练（以Transformer为例）3.实时预测与动态调整二、模块流程图1.术前预测流程2.术中动态决策流程3.术后护理流程三、系统集成方案1.系统架构图
LCG元·2025-07-10 02:22

多模态AI声纹特征处理与多模态生物识别系统

一、声纹特征处理在多模态AI系统中，声纹特征的处理是实现高精度生物识别的关键步骤之一。以下是声纹特征处理的主要流程：数据预处理语音增强：对采集到的语音信号进行降噪处理，以提高信号质量。
·2025-07-09 23:08

DAY 8 标签编码与连续变量处理

主要内容：字典的简单介绍标签编码连续特征的处理：归一化和标准化字典字典是Python中一种非常常用的数据结构，它是一种可变容器模型，可以存储任意类型的对象。
·2025-07-09 23:06

Ruby 类和对象

类与对象的概念类类在Ruby中是一个抽象的概念，它定义了一组对象的共同特征和行为。类可以被看作是一个模板，它描述了对象的属性（数据）和方法（行为）。classCarattr_ac
lsx202406·2025-07-09 22:02

知识图谱系列（2）：知识图谱的技术架构与组成要素

在之前的上一篇文章中，我们介绍了知识图谱的基础概念与发展历程，了解了知识图谱的定义、核心特征、发展历史以及在AI发展中的地位与作用。
程序员查理·2025-07-09 22:00

论文略读：ASurvey of Large Language Models for Graphs

GNNsasPrefixLLMsasPrefixLLMs-GraphsIntegrationLLMs-Only1GNNsasPrefix1.1节点级Token化将图结构中的每个节点单独输入到LLM中使LLM能够深入理解细粒度的节点级结构信息，并准确辨别不同节点间的关联与差异最大限度地保留每个节点的特有结构特征
UQI-LIUWJ·2025-07-09 21:23

揭秘图像LLM：从像素到语言的智能转换

以下结合CLIP、DALL-E、GPT-4V等主流模型，通过具体例子说明其工作机制：一、图像→特征向量：从像素到“密码”例子：识别“戴墨镜的猫”视觉编码器提取特征使用ResNet或ViT（VisionTransformer
ZhangJiQun&MXP·2025-07-09 21:52

深度学习之迁移学习

认识迁移学习迁移学习（TransferLearning）是机器学习中的一种重要技术，其核心思想是将在一个任务上学习到的知识（模型参数、特征表示等），迁移应用到另一个相关但不同的任务中，从而提升新任务的学习效率和性能
路溪非溪·2025-07-09 21:22

LLM（大语言模型）能识别图像的核心原因:图像和文本记性特征识别且对其

LLM（大语言模型）能识别图像的核心原因:图像和文本记性特征识别且对其在于跨模态对齐技术——通过训练将图像和文本映射到同一语义空间，使语言模型能够理解视觉信息。一、为什么LLM能识别图像？
ZhangJiQun&MXP·2025-07-09 20:17

python使用同一张图片的不同部分测试 LoFTR 匹配特征点

如果模型和代码正确，同一图片的裁剪区域应该能匹配到大量特征点：https://drive.google.com/drive/folders/1DOcOPZb3-5cWxLqn256AhwUVjBPifhuf
susu1083018911·2025-07-09 19:12

Rust 仿射类型（Affine Types）

Rust中的仿射类型核心特征移动语义（MoveSemantics）fnconsume(s:String){/*...*/}lets1=String::from("hello");consume(s1);
萧曵 丶·2025-07-09 19:40

python基础语法复习01

多行注释2.输入输出2.1输出2.2输入3.变量3.1变量声明3.2变量赋值3.3基础变量类型3.3.1不可变类型3.3.2可变类型3.3.3二者区别二、python基本数据类型1.字符串类型1.1基本特征
洛华363·2025-07-09 18:07

【深度学习】【入门】Linear和flatten

它的核心特点是每一个神经元都与上一层的所有神经元相连接，这种全连接的方式使得信息能够在层与层之间充分传递和整合2.Linear层的作用Linear层在神经网络中主要承担着特征整合与输出映射的重任。
学习中的阿陈·2025-07-09 18:34

基于流量特征分析的DDoS实时检测与缓解实战

问题场景当Web服务器突发大量SYNFlood攻击时，传统防火墙难以区分真实用户与伪造流量，导致业务中断。解决方案核心：动态流量指纹识别通过统计学习建立正常流量基线，实时拦截异常连接。#DDoS流量检测脚本（Python3+Scapy）fromscapy.allimport*fromcollectionsimportdefaultdictimporttimeTHRESHOLD=1000#每秒SYN
·2025-07-09 16:20

高德地址 AMap.GeoJSON解析geoJson并画出区域图 画出区域图标记出名称 获取地图的坐标

GeoJSON对象可以表示几何、特征或特征集合。
古怪今人·2025-07-09 14:07
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他