博客 RSS 訂閱

hsiang 頭像

老碼識途呀 - 推薦一款基於.NET和百度飛槳的OCR識別組件

隨着AI技術的發展，圖像識別技術應用越來越廣泛，OCR（Optical Character Recognition，光學字符識別）技術做為圖像識別技術的應用場景之一，廣泛的應用於零售，政務，工業，金融等領域，如車牌號識別，身份證識別等。今天以一個簡單的小例子，簡述在.NET開發中，如何利用第三方OCR組件庫進行圖像文字識別，僅供學習分享使用，如有不足之處，還請指正。 什麼是OCR OCR （O

.net , 後端

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的雞數量統計系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的雞數量統計系統 1. 前言​ 大家好！歡迎來到 Coding 茶水！ 今天要給大家介紹的是一套聚焦農業場景智能化管理的實用系統——基於 YOLO 算法的雞數量統計系統。在現代化養殖或散養雞場的管理中，精準統計雞的數量是一項高頻且重要的工作：它不僅關係到養殖規模的實時掌握、飼料投喂的合理規劃，還直接影響疫病防控、銷售出欄等關鍵環節的決策。然而，傳統人工計數方式存在效率低、

AI

收藏 評論

tynam 頭像

Tynam.Yang - 《軟件測試策略》——工具與自動化的基本問題（三）

京東購買鏈接：https://item.jd.com/10205955087769.html 2.4 海戰棋問題：測試 VS 檢查 海戰棋遊戲是一款網格遊戲，我們可以將輸入空間看作二維平面，有 X 軸（左右方向）和 Y 軸（上下方向）兩個維度。為了方便理解，我們可以將 X 軸視為軟件中的各項活動，比如搜索功能、產品信息展示、購物車、創建 / 編輯賬號等，Y 軸則代表在這些活動內部的具體輸入空間

軟件測試

收藏 評論

yuhang0000 頭像

yuhang0000 - 手搓一個數字類的變量的類型檢查器

正在手搓 NumType 類型檢查器, 它可以通過輸入文本信息來判斷這個文本它可以轉換成什麼類型, 挺複雜的, 在此過程瞭解了一些我沒有見過的變量類型, 然後這兩天又是為着邊境檢查, 選取範圍感到苦惱, 不過現在已經把基礎代碼給寫好了, 勉強能用, 暫時沒有出現什麼大Bug (但願吧). /// summary /// 判斷數字類型 /// /summary /// param name="inp

.net , 後端

收藏 評論

lindexi 頭像

lindexi - dotnet 在新進程執行某段委託的方法

大概的 API 設計如下： RemoteExecutor.Invoke(() = { // 在這裏編寫在新進程執行的委託代碼 }); 要在 Main 函數裏面調用 RemoteExecutor.TryHandle 處理命令行，因為新進程裏面執行的邏輯本身就需要 Main 函數參與。標準預期寫法如下 if (RemoteExecutor.TryHandle(args)) { ret

.net , 後端

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢13進化(上)

1.概述 1.1.本輪人工智能熱潮在算法或模型方面並無革命性的重大突破，就算是聽起來很新的深度學習概念也早在20世紀80年代就已經出現 1.2.大數據，它為深度學習算法提供海量的訓練數據做支撐，讓深度學習如虎添翼，大顯神威 1.3.高性能計算，尤其是通用計算GPU給予神經網絡和深度學習強大的計算力支持，使得以前無法完成的計算或者無法在短時間內完成的計算成為可能 1.4.人工智能近幾年突飛猛進的發

AI

收藏 評論

carrie-webster 頭像

Carrie Webster - A Designer’s Guide To Eco-Friendly Interfaces

I’ve spent over two decades in the trenches of user experience design. I remember the transition from table-based layouts to CSS, the pivot to responsive design when the iPhone launched, and the ris

optimization , User Experience , Design

收藏 評論

wintersun 頭像

PetterLiu - Gemini生成搖滾音樂音頻

生成搖滾音樂音頻 【衝前衝Rock-MV】 https://www.bilibili.com/video/BV1gffHBbEPp/?share_source=copy_webvd_source=404ca3937788d99e8d6f4e4716b4e324 生成歌詞 https://www.doubao.com/thread/w3dcf2d55e7d9aab4 提示詞 激烈搖

AI

收藏 評論

wintersun 頭像

PetterLiu - 2026年的17個LLM應用場景

核心洞察：三條技術路線 路線 代表模型 核心優勢 適用場景 推理密集型 GPT-5.x 系列 深度思考、長上下文、多模態 複雜認知任務 工程執行型

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢12人才爭奪(下)

1.人才的流動去向 1.1.美國特點 1.1.1.美國作為最早發展互聯網的國家，擁有着世界上幾乎一半的人工智能專家 1.1.2.大多數專家曾為谷歌、微軟或IBM等互聯網巨頭工作，並且擁有3～10年的工作經驗 1.1.3.在研究領域上，大部分專家的研究領域為計算機科學或計算機工程，同時還包括一些基礎學科，如數學、物理學和信息技術等 1.2.歐洲特點

AI

收藏 評論

longronglang 頭像

久曲健 - 當Claude Code負責人説"編程已解決"，測試工程師該慌嗎？

Claude Code負責人Lenny Rachitsky拋出"Coding is solved"的觀點，引發技術圈熱議。作為測試工程師，我們該如何看待這場AI革命？是恐慌、抗拒，還是擁抱？ 背景：一句話炸翻技術圈 前幾天刷到Claude Code負責人Lenny Rachitsky的訪談，他説了句讓整個技術圈炸鍋的話： "Coding is solved"（編程已解決） 這話什麼意思？簡單

AI

收藏 評論

wang_yb 頭像

wang_yb - Manim CE v0.20.0 發佈：動畫構建更絲滑，隨機性終於“可控”了！

大家新年好！Manim Community Edition (CE) 剛剛發佈了里程碑式的 v0.20.0 版本。 如果你覺得以前寫 updater（更新程序）太囉嗦，或者每次渲染隨機場景結果都不一樣讓你抓狂，那麼這次更新絕對是為你準備的！ 本次更新不僅重構了核心組件，還帶來了一些超甜的“語法糖”。 下面我們來看看這次升級的亮點，以及它們如何改變你的編碼方式。 ✨ 亮點一：Mobject.alwa

後端

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的夜間紅外小目標檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的夜間紅外小目標檢測系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間。今天要和大家分享的主題是《基於 YOLO 算法的夜間紅外小目標檢測系統》。 在當前的計算機視覺應用中，夜間環境下的小目標檢測一直是難點——光線不足、目標特徵不明顯、背景干擾大，導致傳統算法漏檢率和誤檢率較高。而紅外成像技術雖能突破光照限制，但面對遠距離、小尺寸的目標（如鳥類、無人機、直升機、飛

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢11人才爭奪(上)

1.人才爭奪 1.1.人才成為人工智能發展的競爭焦點 1.1.1.在推動人工智能產業從興起到快速發展的歷程中，人工智能人才是其中最為關鍵的因素，其質量和數量直接決定了人工智能的發展水平和潛力 1.2.人工智能傑出人才決定發展階段和技術路線 1.2.1.人工智能正在從實驗室走向市場，處於產業大突破前的技術衝刺和應用摸索時期，部分技術和產業體系還遠未成熟 1.2.2.能夠

AI

收藏 評論

wintersun 頭像

PetterLiu - Claude Code 的 Skills 可以在 Trae IDE 中通用

Claude Code 的 Skills 可以在 Trae IDE 中通用，但需要了解兩者在實現細節上的差異。 兼容性總結 根據社區文檔和工具生態的調研，Claude Code 和 Trae IDE 都遵循通用的 Agent Skills 規範，因此 Skills 在兩者間基本兼容 特性 Claude Code Trae

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢10創新競賽

1.創新競賽 1.1.隨着核心算法的突破、計算能力的迅速提升以及海量數據的支撐，人工智能的應用範圍不斷拓寬，相關產品更是層出不窮 1.2.技術創新數量劇增 1.2.1.從近20年的發展情況看，全球人工智能的專利申請量及其在全球專利總量中所佔比例在2010年前呈現平穩上升的趨勢 1.2.2.自2011年開始，神經網絡因可以大大改進語音和圖片的識別能力而成為科技公司的研究熱點，

AI

收藏 評論

wintersun 頭像

PetterLiu - SeeDance2.0提示詞之跳舞女孩

SeeDance2.0提示詞之跳舞女孩 ### Visual Style 9: 16 Vertical composition, 4K ultra-clear realistic image quality. Low-key lighting style with high contrast. The cool-toned environment background and the subj

AI

收藏 評論

Carey-ccl 頭像

Carey_ccl - 9、PipedInputStream和PipedOutputStream的源碼分析和使用方法詳細分析

  在多線程編程中，線程間的數據交換是一個常見需求。Java IO包中的PipedInputStream和PipedOutputStream提供了一種高效的線程間通信機制，允許一批（多個）線程向PipedOutputStream寫入數據，另一批（多個）線程從PipedInputStream讀取數據。   但是，同一批（多個）線程相互之間會存在競爭，比如，同一批向PipedOutputStre

後端

收藏 評論

RunfarAI 頭像

RunfarAI - Stanford-CS336-Lecture-01 學習理解

1.資源 課件資料：https://github.com/stanford-cs336/spring2025-lectures clone下來後，將var目錄移動到trace-viewer中的public目錄內，將images目錄也移動到public目錄內，然後cd trace-viewer，以此命令npm install和npm run dev，到瀏覽器打開如下鏈接來看第一章的課件： http:

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢09商業爭雄(下)

1.資本市場的涌動 1.1.搶佔核心技術和人才是人工智能投融資的主要目的 1.2.未來5～10年，各路企業對人工智能的佈局將更加廣泛和深入，對核心技術和人才的爭奪也將越來越激烈，而投資和收購是佔領核心技術和人才高地的重要途徑 1.3.美國舊金山灣區是全球人工智能的高地 1.3.1.美國是全球人工智能企業數量最多的國家，其超過1/3的人工智能企業誕生於舊金山灣區 1.4.英國的人工智能融資規

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的番茄葉子病蟲害監測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的番茄葉子病蟲害監測系統 1. 前言​ 大家好！歡迎來到 Coding茶水間。 今天給大家介紹的題目是 《基於YOLO算法的番茄葉子病害檢測系統》。 在現代化設施農業中，番茄作為重要經濟作物，其葉片的健康狀況直接關係到產量與品質。然而在現狀中，很多種植基地仍依賴人工田間巡查或定期抽樣檢查，不僅工作量大、效率低，而且在病害早期、症狀不明顯或葉片重疊、光照變化時極易漏檢。同時

AI

收藏 評論

SudosuBash 頭像

SudosuBash - [LKD/Linux 內核] Linux 中的 進程, 線程

Linux 3.2 進程, 線程 前言 注意: 本文章默認你學過操作系統的進程部分,瞭解進程的概念. 我們都知道, 在 Linux 中, 我們使用 LWP 來描述線程, 即不區分線程/進程, 統一用 task_struct 描述它. 但是在 Linux 中, 線程, 進程, 進程組實際上還是有點區別的. 這篇文章來聊聊進程, 線程. 1.Linux 的 task_struct 1.1 task_s

操作系統

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢08商業爭雄(上)

1.人工智能產業的勃興 1.1.近代科學技術的許多重大進展都是人類智慧、思維、夢想和奮鬥的成果 1.2.數據快速積累，算法模型持續演進，運算能力大幅提升，推動人工智能行業應用快速興起，逐步在生態保護、經濟管理、金融風險、工業生產、醫療衞生、交通出行、能源利用等領域嶄露頭角 1.3.數據的爆發式增長為人工智能提供了充分的“養料” 1.4.在算法方面，深度學習的出現突破了過去機器學習領域淺層學習算法

AI

收藏 評論

SudosuBash 頭像

SudosuBash - [LKD/Linux 內核] 關於對 current_thread_info 的一點研究

Linux 3.2 current_thread_info 函數 前言 current_thread_info, 這個函數在內核中, 經常被用於訪問當前CPU正在運行的任務, 那麼它的底層是怎麼實現的呢? 這是我閲讀 LKD 遇到的第一個難點, 也是我第一次體會到 "紙上得來終覺淺, 絕知此事要躬行" 的點. 關於 Linux 3.2 進程模型, 在 copy_process 中已有記載. 1.讓

操作系統

收藏 評論