首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 7-9 人脸识别与特征脸

    本章的最后一个小节介绍PCA在人脸识别领域的一个特殊的应用,也就是所谓的特征脸。本小节会介绍什么是特征脸,并通过可视化的方式直观的感受特征脸。 同样在这里我们依然使用sklearn内部为我们提供的人脸识别数据集"The Labeled Faces in the Wild face recognition dataset"。 对于人脸识别数据集而言,如果没有访问外国网站,虽然下载速度相对慢一点,但是还是能够下载的。 sklearn的人脸识别数据集大约200MB,相对而言数据集还是比较大的。 这就是这一小节所介绍的PCA在人脸识别领域中的一个专门的应用特征脸。 使用这种人脸图片足够的数据集进行人脸识别相对来说就比较靠谱。

    1.4K20发布于 2019-11-23
  • 来自专栏yuyy.info技术专栏

    【笔记】Operator课程(7-9)

    Indexer缓存k8s资源对象,并提供便捷的方式查询。例如获取某个namespace下的所有资源

    38220编辑于 2023-04-12
  • 来自专栏刷题笔记

    7-9 人以群分 (25 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/99688626 7-9 人以群分 (25 分) 社交网络中我们给每个人定义了一个“活跃度”

    74920发布于 2019-11-08
  • 来自专栏刷题笔记

    7-9 最长对称子串

    本文链接:https://blog.csdn.net/shiliang97/article/details/96307903 7-9 最长对称子串 对给定的字符串,本题要求你输出最长对称子串的长度。

    76530发布于 2019-11-08
  • 来自专栏后端开发从入门到入魔

    7-9 JAVA-水仙花数

    水仙花数是指一个N位正整数(7≥N≥3),它的每个位上的数字的N次幂之和等于它本身。例如:153=13+53+33。 要求编写程序,计算所有N位水仙花数。

    41910编辑于 2024-03-01
  • 来自专栏刷题笔记

    【未完成】7-9 目录树 (30 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/102727548 7-9 目录树 (30 分) 在ZIP归档文件中,保留着所有压缩文件和目录的相对路径和名称

    71710发布于 2019-11-07
  • 来自专栏yuyy.info技术专栏

    《代码整洁之道》笔记(7-9章节)

    多个条件分支记录错误信息,可以封装进一个方法,在记录异常信息的地方抛出异常,并给出相应信息。在该方法外部捕获,记录异常信息。异常处理和正常业务流程隔离。

    56910编辑于 2022-06-28
  • 来自专栏ReganYue's Blog

    【PTA】7-9 递归实现逆序输出整数 (15point(s))

    本题目要求读入1个正整数n,然后编写递归函数reverse(int n)实现将该正整数逆序输出。

    1.5K10发布于 2021-09-16
  • 来自专栏刷题笔记

    【未完成】7-9 电路布线 (30 分)15分

    本文链接:https://blog.csdn.net/shiliang97/article/details/101473534 7-9 电路布线 (30 分) 在解决电路布线问题时,一种很常用的方法就是在布线区域叠上一个网格

    41420发布于 2019-11-08
  • 来自专栏刷题笔记

    【2020HBU天梯赛训练】7-9 天梯赛座位分配

    7-9 天梯赛座位分配 天梯赛每年有大量参赛队员,要保证同一所学校的所有队员都不能相邻,分配座位就成为一件比较麻烦的事情。

    82410发布于 2020-06-23
  • 来自专栏IT技术圈(CSDN)

    2017年天梯赛大区赛题集 7-9 人以群分

    7-9 人以群分 社交网络中我们给每个人定义了一个“活跃度”,现希望根据这个指标把人群分为两大类,即外向型(outgoing,即活跃度高的)和内向型(introverted,即活跃度低的)。

    37820发布于 2020-09-15
  • 来自专栏Debian中国

    CPU 漏洞补丁对内核性能影响:4.15 比 4.11 快 7-9%

    根据Google+博文显示,最近发布的Linux Kernel 4.15的速度要比4.11快7-9%;在激活内核页表隔离(KPTI)情况下速度仅比4.11慢了1-2%。 ?

    62120发布于 2018-12-21
  • 来自专栏决策智能与机器学习

    智能识别方面主要进展 | 语音识别、OCR识别、图像识别、生物识别…… | 智能改变生活

    识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测、雷达信号识别、经济分析,以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等很广泛的领域。 语音识别:语音识别行业现在似乎维持着最大的平衡,因为国内外各家的引擎识别率都基本在同一个水平线上,差不多达到了当前语音识别技术的极限,彼此之间差距不是那么明显。 国内著名的车牌识别产品主要有中科院自动化研究所汉王公司的汉王眼、北京文通科技有限公司的文通车牌识别系统等。 ? 虹膜识别:现代信息社会对精准识别的需求,呼唤更加不可替代的生物体特征,虹膜识别应运而生。 目前主要应用有证件识别、银行卡识别、名片识别、文档识别、车牌识别等。 ? 唇语识别:相较于前文提到的语音识别、车牌识别、人脸识别等难度更大,其很大程度上取决于语言的语境和对其的了解,而这些都只通过视觉来呈现的。

    6.2K30发布于 2020-08-04
  • 来自专栏IT技术圈(CSDN)

    浙大版《C语言程序设计(第3版)》题目集 练习7-9 计算天数

    练习7-9 计算天数 本题要求编写程序计算某年某月某日是该年中的第几天。 输入格式: 输入在一行中按照格式“yyyy/mm/dd”(即“年/月/日”)给出日期。

    1.8K40发布于 2020-09-15
  • 来自专栏青年夏日

    视频识别 动作识别 实时异常行为识别 等所有行为识别

    大家好,我是cv君,很多大创,比赛,项目,工程,科研,学术的炼丹术士问我上述这些识别,该怎么做,怎么选择框架,今天可以和大家分析一下一些方案: 用单帧目标检测做的话,前后语义相关性很差(也有优化版), 当然可以通过后处理判断下巴是否过框,效果是不够人工智能的),高抬腿计数,目标检测是无法计数的,判断人物的球类运动,目标检测是有很大的误检的:第一种使用球检测,误检很大,第二种使用打球手势检测,遇到人物遮挡球类,就无法识别目标 开始 目前以手势和运动识别为例子,因为cv君没什么数据哈哈 项目演示: 本人做的没转gif,所以大家可以看看其他的演示效果图,跟我的是几乎一样的~ 只是训练数据不同 ​ ​ ​ ​ 一、 基本过程和思想

    5.6K20发布于 2021-04-18
  • 来自专栏用户6093955的专栏

    7-9 有重复的数据I (20 分)】【此题卡输入,需要自己写个输入挂】

    参考一个博客的输入挂,先挂在此处,以备以后使用。 import java.io.*; import java.util.*; import java.math.*; public class Main { public static void main(String[] args) { InputReader in = new InputReader(); PrintWriter out = new PrintWriter(System.out);

    66820发布于 2019-09-30
  • 来自专栏PaddlePaddle

    【场景文字识别】场景文字识别

    场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下,将图像信息转化为文字序列的过程,可认为是一种特别的翻译过程:将图像输入翻译为自然语言输出。 场景图像文字识别技术的发展也促进了一些新型应用的产生,如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中,我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合,免除人工定义特征,避免字符分割,使用自动学习到的图像特征,完成端到端地无约束字符定位和识别。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示,给定一张场景图片,STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.

    28.5K70发布于 2018-04-02
  • 来自专栏全栈程序员必看

    python屏幕文字识别_python 图片文字识别 可截图识别

    “”” options = {} options[“detect_direction”] = “true” options[“probability”] = “true” “”” 带参数调用通用文字识别 “”” options = {} options[“detect_direction”] = “true” options[“probability”] = “false” “”” 带参数调用通用文字识别 +’********’*2+’\n’) print(‘截屏识别填1,图片识别填2:’) pd=input(”) if pd==’2′: print(‘***************请将图片放置本目录下*

    44.4K10编辑于 2022-09-01
  • 数字化转型的 “杠杆”:企业如何借助 MyEMS 在 3-12 个月内收回投资并实现持续节能

    智能数据分析:基于 AI 算法与行业节能模型,自动识别能耗异常(如设备空载、管道泄漏、参数偏离最优值),生成 “能耗看板”“节能潜力报告”,甚至定位具体节能点(如 “车间 A 空压机每日 9-11 时空载能耗占比达 实现全能源品类数据实时监控,建立能耗 “基准线”,初步识别 1-2 个明显节能点(如设备空载)。优化试点期4-6 个月1. 基于数据生成节能潜力报告;2. MyEMS 实施:1-3 个月完成车间电表、空压机传感器安装,4-6 个月优化空压机启停策略(根据生产计划自动关停),7-9 个月推广至冷却系统、焊接设备。 MyEMS 实施:1-3 个月安装人流传感器、光照传感器,4-6 个月基于人流数据优化空调与照明,7-9 个月接入新能源(如屋顶光伏),实现 “绿电 + 优化” 结合。 MyEMS 实施:1-3 个月完成园区总表与企业分表安装,4-6 个月识别管道泄漏点并维修,7-9 个月优化园区蒸汽供应(按需分配),10-12 个月建立园区碳核算体系。

    34310编辑于 2025-11-11
  • 来自专栏用户8715145的专栏

    智能识别图像识别采用了什么原理?智能识别图像识别有哪些应用?

    ,那么智能识别图像识别采用了什么原理? 智能识别图像识别有哪些应用? 智能识别图像识别采用了什么原理? 智能识别图像识别是通过图像的特征为基础从而达到识别结果的,每个图像都会有自己的特征,在完整的图像库里面就可以找寻出相同特征的图像。 智能识别图像识别有哪些应用? 智能识别图像识别这项技术虽然并没有完全成熟,但是基础的技术已经能够应用到很多方面的,那么智能识别图像识别有哪些应用? 关于智能识别图像识别的文章内容今天就介绍到这里,相信大家对于智能识别图像识别这项技术已经有所了解了,相信在未来的某一天人工智能的各种技术都会成熟的。

    7.7K30发布于 2021-10-20
领券