- 综合排序
- 最热优先
- 最新优先
- 来自专栏张叔叔讲互联网
画像平台人群创建方式-规则人群创建
，同理，人群圈选条件最终转换为Hive SQL语句并最终将执行结果构建为人群。 前两种执行方式生产的人群会优先产出BitMap并存储到OSS中，第三种方式生成的人群数据直接存储在Hive表中。为了实现人群数据的持久化存储和便捷的接口调用，人群数据最终会存储在Hive表和OSS中。 SQL语句示例如下所示，SQL执行后人群结果数据将直接存储到人群结果Hive表中。 Hive表中的人群数据主要用于离线数据分析场景，很多业务使用人群之后需要通过人群结果表进行效果分析。图5-13展示了人群结果表的表结构设计，人群crowd_id作为分区键，分区下包含该人群所有用户。 OSS中的人群数据主要应用在通过接口获取人群数据的场景下。人群数据压缩为BitMap并存储到OSS中，一亿人群大小在100M左右，通过接口可以在几秒内获取到人群结果。
2.4K00编辑于 2023-10-18 - 来自专栏张叔叔讲互联网
人群LookALike以及挖掘人群的创建思路
人群LookALike是给定种子人群，然后通过技术手段找到与该种子人群相似的用户群体。 图5-26展示了基于向量求LookALike人群的主要流程。图片基于种子人群特征分布计算相似人群。 图片基于分类算法计算相似人群。把种子人群当作正样本，其他非种子人群（或者其他人群）当作负样本，通过训练分类模型计算出满足条件的用户并构建目标人群。 目前也有利用社交网络进行人群LookALike的实践方案，通过好友关系找到种子人群中所有用户的几度好友并构建目标人群。挖掘人群是指定优化目标，借助算法能力找到满足要求的用户并构建人群。 人群挖掘的思路是先找到训练样本（种子人群），然后通过LookALike的思路扩展种子人群。该方式与人群LookALike不同的是，人群挖掘的结果中可以包含种子人群中的用户数据。
2.1K30编辑于 2023-10-22 - 来自专栏张叔叔讲互联网
画像平台人群创建方式-导入人群创建
导入人群是将外部数据导入画像平台构建人群，主要有3种实现方式：文件导入、Hive表导入和SQL导入。 Hive导入和SQL导入方式创建的人群数据直接存储到Hive表中，后续需要通过HiveToBitmap将人群数据写入BitMap并存储在OSS中。 与Hive导入人群方式不同，文件导入优先生成人群BitMap，之后再通过BitMapToHive过程写入到人群结果Hive表中。 导入人群是画像平台最常用的人群创建方式之一，其实现了将各类数据源沉淀为人群的功能，支持更灵活的人群创建方式，拓展了画像平台数据范围。 比如运营人员将某次活动中表现良好的用户导入画像平台并构建成人群，后续可以进行广告投放或者人群分析；数据分析师离线统计出了一批高价值用户，导入平台构建人群后可以直接提供给业务使用。
1.1K10编辑于 2023-10-19 - 来自专栏TSINGSEE青犀视频
基于人群行为分析技术的AI智能公园管理系统
一、系统概括智能公园视频监控管理系统旨在利用人群行为分析技术，结合先进的物联网、人工智能和大数据分析等技术手段，实现对公园内人流量、行为活动和安全问题的实时监测与管理。 旭帆科技智能公园视频监控管理系统将通过智能视频监控、感知设备和数据分析，提供给管理人员更准确、实时的信息，帮助他们更好地规划、调度和管理公园资源，提升公园安全管理水平。二、系统功能1. 行为分析TSINGSEE青犀智能分析网关配备了行为分析算法，可以对公园内的人员行为进行智能识别和分析，如人员聚集、摔倒、打架等异常行为的检测和报警。 三、系统优势智能化：系统利用先进的人群行为分析技术，实现对公园内人流量和行为的智能监测和管理，提供更准确、实时的数据和信息。 可扩展性：系统基于物联网和人工智能技术，可以与其他公共管理系统进行整合，实现更大范围和更复杂的管理需求。
75430编辑于 2023-11-10 - 来自专栏机器学习、深度学习
人群密度估计
Counting Varying Density Crowds Through Attention Guided Detection and Density Estimation CVPR2018 本文针对人群密度问题 将 检测方法和回归方法结合到一起，以此来提升人群密度估计精度 人群密度估计问题目前主要的方法有基于检测的和基于回归的方法。 在人群密度小的时候，基于检测的方法效果更好。在人群密度较大的时候，基于回归方法的效果比较好。 ? ? 本文的思路就是将 检测方法和回归方法结合起来，各取所长。
1.6K40发布于 2019-05-26 - 来自专栏用户画像
相似人群画像算法
一、数据源 1、相似人群数据存在TDW库中，数据字典说明： CREATE TABLE sim_people_tdw_tbl( uid STRING COMMENT 'reader id', ', update_date STRING COMMENT 'update_date' ) 字段 类型 含义 uid string 用户标识 sim_uids string 与uid喜好相似的人群 ，格式为用户编号:相同阅读量，相似用户之间以逗号分隔 sim_num BIGINT 相似人群的人数 update_date string 数据日期 2、基础用户画像存在MongoDB中 Image [ 相似人群字典表 :return: 相似度最高的相似人群 """ user_similarity_list = sorted(cluster_dic.iteritems(), key : 相似人群的相似度字典表 :return: 相似人群画像字典表 """ cluster_profile_rs = {} for sim_user_obj in sim_users_profile_array
2.7K61发布于 2018-07-19 - 来自专栏量子位
小米这款智能眼镜：48小时完成开发，专为视障人群打造
一副眼镜，让视障人士也能感知到周围的物体；一块屏幕，可以让听障人士「看」到周围声音的方向和类别…… 从零开始设计并制作出这样的智能设备，最少需要多长时间？ 答案是：不到48小时。 用手势「控制一切」 控制家中的智能设备，用一只手就可以搞定了。 这就是我们接下来要介绍的这个获得二等奖的「小黑盒」。 它的大名叫「小米随心控」，通过它就能用手势随意控制家中的设备。 接着，系统会对手势进行识别，并转换成相应的指令传递给智能音箱。 最后，控制的结果会通过音箱，以语音的形式进行反馈。 如果结合手机或智能穿戴中的接口，还可以让提醒的形式更加丰富，比如应用推送，甚至智能设备的振动等等。 团队成员也介绍，「相比于整个系统的设计，这将是一件很容易的事」。 此外，现场展示的获奖项目还有： 全息投影虚拟人「遇⻅-全息智能伴侣」（二等奖） AR交互式运动APP「趣味运动健身」（三等奖） 儿童故事聊天机器人「思维⼤爆发（Storykids）」（三等奖） 足球比赛分析系统
65630编辑于 2023-09-08 - 来自专栏机器学习、深度学习
人群密度估计
该网络在几个常用的公开人群密度估计数据库上取得了不错的效果。 1 Introduction 拥挤场景解析的发展从简单的人群数值估计到 人群密度图估计，人群密度图可以提供额外的信息，因为同样数量的人可以分布在不同的位置，如下图所示 ? 生成准确的人群分布图挑战性比较大，其中一个主要的困难就是离散化的问题，人在图像中不是只占用一个像素，密度图需要保持局部邻域的连续性。其他的困难包括场景的多样性，相机角度的多样性。 以前基于CNN网络的人群密度估计主要采用了 multi-scale architectures，虽然取得了不错的性能，但是存在两个问题：当网络变深的时候， the large amount of training 人群密度估计从方法上来说可以分为三大类：detection-based methods, regression-based methods, and density estimation-based methods
1.8K30发布于 2019-05-26 - 来自专栏机器学习、深度学习
人群分析、人群计数 开源代码文献及数据库
Scale-adaptive Convolutional Nerual Network https://github.com/miao0913/SaCNN-CrowdCounting-Tencent_Youtu 人群分析 Towards perspective-free object counting with deep learning ECCV2016 https://github.com/gramuah/ccnn 人群计数 Density Estimation for Crowd Counting AVSS 2017 https://github.com/svishwa/crowdcount-cascaded-mtl 人群计数 /hosseinm/med Panic，Fight，Congestion，Obstacle ，Neutral 人群异常检测 Anomaly Detection and Localization in Crowded Scenes 数据库 http://www.svcl.ucsd.edu/projects/anomaly/ 人群分析 Deep Spatio-Temporal Residual
2.2K70发布于 2018-01-03 - 来自专栏Coggle数据科学
DF消费者人群画像—信用智能评分方案分享（top5）
中国移动作为通信运营商拥有海量、广泛、高质量、高时效的数据，如何基于丰富的大数据对客户进行智能评分是中国移动和新大陆科技集团目前攻关的难题。 运营商信用智能评分体系的建立不仅能完善社会信用体系，同时也中国移动内部提供了丰富的应用价值，包括全球通客户服务品质的提升、客户欠费额度的信用控制、根据信用等级享受各类业务优惠等。
2.2K20发布于 2019-09-12 - 来自专栏张叔叔讲互联网
人群数据如何对外输出
比如用户希望在Push平台上针对指定人群下的所有用户推送消息，此时可以使用画像平台接口拉取人群数据；在七夕活动中，运营人员投放使用了多个人群，为了分析不同人群的转化效果，此时需要将人群结果的Hive表提供给数据分析师使用 拥有数据表权限的用户理论上可以读取到所有人群下的用户数据，如果部分人群数据比较敏感（比如充值用户人群、日活用户人群），就需要严格控制Hive表的读取权限。 可以通过人群下载等平台功能将人群数据导出到临时Hive表中供业务使用，这样可以避免上述三类问题的发生。对外提供人群数据的服务接口主要有两个：获取人群基本信息接口和获取人群BitMap接口。 获取人群基本信息接口主要用于查询人群基本信息，其中包括人群名称、用户数量、人群状态、创建者、创建规则等，该接口可以使用缓存来提高接口性能。 当业务方需要感知人群状态变化时，可以定期调用人群基本信息接口，对比人群前后状态就可以知道人群状态是否变更。比如在Push平台上置了一个定时更新人群，当人群数据更新后需要再次给人群下的用户推送消息。
90850编辑于 2023-10-23 - 来自专栏机器学习AI算法工程
受众行为分析与人群定向
“物以类聚，人以群分”这句古语不仅揭示了物与人的自组织趋向，更隐含了“聚类”和“人群”之间的内在联系。 例如在现代数字广告投放系统中，最为关键的“人群定向”功能正是通过“聚类”算法得以实现的。 明白了这一点，也就触摸到了人群定向的天花板–不可能百分之百精准。 如何从广泛的受众中提炼目标人群呢? 正是依靠受众行为分析。 下面我们以易传媒的广告投放算法为例，浅析一下怎样由预先标注的关键词标签，一步步建立完整的受众行为分析模型，挖掘出具有相似行为特征的人群，提炼人群的属性特征，最终进行最合适的广告投放的。 人群定向投放 作为人群定向广告正式投放前的最后一步，受众聚类和结构化的人群分类将进行匹配映射。这种映射是利用二者标签集合的重合度来实现的。 根据第一节所述关键词模型的优势，它至少有如下两个用途： （1）当一个投放策略的人群定向选择了”奢侈品”或者”汽车”时，广告允许被指定投放给受众聚类φ所包含的Cookies. （2）利用两个标签在一个细分人群中的内在关联性
2.5K70发布于 2018-03-14 - 来自专栏机器学习、深度学习
人群计数--Mixture of Counting CNNs
of CNNs Specialized to Specific Appearance for Crowd Counting https://arxiv.org/abs/1703.09393 本文是人群计数的 ，不是人群密度估计。 这里主要的思路是针对不同场景的 scale and congestion 造成图像块的 Appearance 差别很大，这里我们使用多个小 CNN 来估计总人群。 另外适应一个大点的 CNN 对 图像块进行分类，这种分类主要依据人群密度大小。类别的概率作为每个小 CNN 的权重。 Appearance 的差异性 ?
76170发布于 2018-01-03 揭秘 AutoAgent： 让 99.97% 的非编程人群也能打造顶级 AI 智能体
，LLM 智能体（LLM Agents）被视为通往通用人工智能（AGI）的关键路径。 它不仅是一个开发工具，更是一场"技术民主化"运动，旨在让剩下的 99.97% 也能仅通过自然语言，亲手构建出具备专业水准的 AI 智能体。 ② 智能体系统组件 (Agentic System Utilities)：包含网页浏览、代码执行等底层工具，是系统的"外设"。 通过 Self-Play Customization 机制，系统能自动生成工具、智能体和复杂工作流。 当复杂的工程问题被封装在底层的"智能体操作系统"之下，创意的价值将彻底超越编程技巧。 如果开发一个顶级 AI 助手就像和你聊天一样简单，你第一个想解决的人生难题会是什么？
13710编辑于 2026-06-08选址、调研所需周边人群画像怎么获取？区域人群画像分布API接入指南！
在传统商业决策中，有多少资源因“目标人群”画像模糊而被浪费？多少营销活动因缺乏精准人群触达而效果不佳？多少市场调研因无法获取核心客群画像数据，导致策略偏离实际？ 这些问题的背后，都指向同一核心痛点——我们对目标区域内“人群”不熟悉。过去，洞察区域人群多依赖经验、直觉或小范围调研，如同雾里看花，难以全面把握真实画像。 此外，你还能选择10类人群，获取其11类画像数据，涵盖基础画像（如年龄、性别）和各种偏好画像（如消费、兴趣），全面覆盖人群分析所需维度。 API获取指南及应用案例这个API主要来源是一个新上线的数据开放平台，提供很多人群、客流类 API（人群热力图、人群画像、客流趋势、客流画像等），比较小众，但包含的API还是很实用的。 若您的业务也需构建人群画像、区域洞察或客流分析等能力，“区域人群画像分布API”将是理想选择。
49110编辑于 2025-10-17大模型时代的企业数据智能：如何重构“数据采集 - 业务语义 - 智能人群 - 策略复盘”链路？
完整的企业级数据智能工作流应当包含以下四个核心节点：第一阶段：构建可信的行为数据底座AI 的分析能力强弱直接取决于输入数据的质量。 第二阶段：依托业务语义层实现智能探索传统的 Text-to-SQL 极易因口径冲突或缺乏上下文而失效。 例如在 GrowingIO 的数据智能实践中，其智能问数功能便是通过业务语义层对齐，保障了数据查询的精准度与可靠性。第三阶段：连接智能人群与执行策略数据分析的目的是为了驱动策略。 通过大模型理解业务诉求，利用行为轨迹学习模型，将自然语言转化为动态更新的人群标签，缩短从洞察到运营触达的路径，实现分钟级的人群包同步与通道下发。 只有将 AI 深度融入到“数据采集、语义分析、人群圈选、复盘优化”的完整生命周期中，企业才能真正构建起可持续迭代的数据智能驱动力。
3700编辑于 2026-06-30- 来自专栏无原型不设计
Mockplus 的主要应用人群
所以，Mockplus的适用人群是比较广的，只要你有产品（范围很广，可以是某网站，某功能，某个策划案，某个广告模型，某个创意等）模型的展示需要。
90760发布于 2018-03-15 - 来自专栏燧机科技-视频AI智能分析
人群异常聚集识别监测系统
人群异常聚集识别监测系统基于OpenCv+yolo网络深度学习模型，对监控区域内的人员异常聚集行为进行识别，一旦人群异常聚集识别监测系统OpenCv+yolo网络深度学习模型发现监控画面中出现人群大量聚集
90930编辑于 2022-12-27 - 来自专栏燧机科技-视频AI智能分析
人群聚众行为识别系统
人群聚众行为识别系统通过yolov5网络模型AI视频智能分析技术，人群聚众行为识别系统对现场人群聚众行为全天候监测，发现异常情况立即抓拍告警。 我们选择卷积神经网络YOLOv5来进行人群聚众行为识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。
63520编辑于 2023-03-07 - 来自专栏燧机科技-视频AI智能分析
人群聚集监测预警算法 python
人群聚集监测预警系统采用python+opencv网络模型AI视频智能分析技术，人群聚集监测预警算法对人员聚集情况进行实时监测，当人群聚集过于密集时，系统将自动发出警报。
56610编辑于 2023-09-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号