tag 人工智能

標籤
貢獻930
1110
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_17579295 頭像 rtedevcomm 頭像 u_15591470 頭像 lab4ai 頭像 u_17512334 頭像 tecdat 頭像 qingfouai 頭像

@人工智能 / 博客 RSS 訂閱

congweibiaobaidemalingshu 頭像

小白獅ww - 目標再多也不怕！YOLOv13 把複雜場景「看穿了」

在真實場景裏，目標檢測模型經常被一些「刁鑽情況」整得措手不及：監控里人羣密密麻麻，模型只敢報「一坨」； 無人車想識別遠處的交通燈，結果紅綠燈被當成「發光點」；體育轉播裏球速太快，目標框剛跟上，球已經飛到下一幀；甚至在電商倉庫裏，一堆外觀相似的包裹排成一排 —— 模型直接「懵圈」，不知道誰是誰。 想要又快又準，其實比想象中難得多。YOLOv13 的出現，就是為了應對這些真實世界的「刁鑽題」。它

機器學習 , 圖像識別 , 教程 , 人工智能 , 深度學習

收藏 評論

u_16776161 頭像

天潤融通科技 - 為什麼同樣用 AI，有的企業狂飆，有的原地踏步？

過去一年，智能體在企業中的落地速度遠超預期。同時，也有越來越多的管理者開始意識到：“我們怎樣才能在智能體時代建立真正的競爭優勢？” 畢竟，大模型能力正在快速趨同，公域數據帶來的智能化差距正在消失。今天你能買到的模型、能力、工具，競爭對手明天也能輕易獲得。 因此，一個真正關鍵的問題隨之出現——在模型能力趨同的情況下，企業的差異化究竟從哪裏建立？ 答案其實也很簡單，

人工智能 , 深度學習

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強聲音克隆+語音生成神器！（整合包）

大家好，我是立志替大家出手的AI區UP主格倫Glen。 做視頻的朋友，誰沒為配音崩潰過？剪完一條美食探店視頻，AI把“一行（háng）人”讀成“一行（xíng）人”；想配段“無奈又帶點調侃”的吐槽，出來的聲音比機器人還僵硬； 更別提長文本配音中途崩掉，重錄又要花半小時——直到B站剛開源的IndexTTS 2.0最新威力加強版，親測完直接把手機裏

語音克隆 , 機器學習 , 進度條 , 人工智能 , 加強版

收藏 評論

u_16099325 頭像

數據小築 - 差分算法

一、差分算法簡介 1.1 簡介 差分算法的核心在於構建差分數組或矩陣，將對原始數據的複雜區間操作轉化為對差分數組特定端點值的簡單操作 ，從而實現對原數組的高效區間修改。在面對頻繁對數組某個區間的元素進行增減操作時，傳統方法往往需要對區間內每個元素逐一處理，時間複雜度較高；而差分算法通過巧妙的轉換，將這類操作的時間複雜度降至 O (1)，大大提

機器學習 , 數組 , 算法 , 差分 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：十七、大模型的幻覺難題：RAG 解決AI才華橫溢卻胡言亂語的弊病

一、拋磚引玉 經過一段時間的接觸，大型語言模型（LLM），展現出了令人驚歎的文本生成、對話和推理能力。它們飽讀詩書、才華橫溢，能夠就幾乎任何話題進行流暢的對話。然而，這個天才有一個致命的弱點：它的知識完全來源於其訓練數據，存在截止日期，並且它有時會為了保持對話的流暢性而“捏造”事實。這種現象在AI領域被稱為“幻覺”或“胡説八道”。想象一下，你結合實際問了一個問題，最新的員工

yyds乾貨盤點 , 搜索 , NLP , 數據庫 , 人工智能 , 參考資料

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 智能梯控即電梯門禁通過模塊化設計實現 "權限管理-機器人交互-多梯調度" 全鏈路覆蓋，在保障電梯原生安全的前提下，擴展智能通行、機器協同、能效優化三大核心能力，滿足智慧樓宇/工廠/醫院的數字化運管需求

前言 主流梯控品牌的核心控制器技術參數對比，包括抗干擾能力、安全認證模式及消防兼容性 不同電梯品牌按鍵轉接方案的適配性及免破線安裝技術細節 AGV/AMR機器人專用電梯交互設備的技術標準與接口協議 VIP權限管理系統與梯控集成的設備擴展清單及數據安全方案 多電梯調度系統的中央管理平台配置要求及運力優化算法實

電梯刷卡 , 智能梯控 , 梯控 , 人工智能 , 深度學習 , 電梯門禁 , IC卡梯控

收藏 評論

u_12868 頭像

langrisser - temu統一服務標準提升體驗一致性

1.簡述CAP理論 簡介： CAP理論是分佈式的理論基礎 起初都是單體應用，隨着業務擴展，流量越來越大，單體扛不住高併發，分佈式將業務拆分成子業務部署到不同的機器上，不同的機器節點通過網絡進行通信，協作服務； 分佈式系統必須要考慮網絡分區的問題： 有網絡，就會有網絡交互的問題，假如A節點到

機器學習 , temu統一服務標準提升體驗一致性 , 數據 , 強一致性 , 數據一致性 , 人工智能 , 分佈式

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - NLP語義識別在人工智能領域中的應用與前景_nlp 語義識別

伴隨互聯網信息量呈爆炸式增長，傳統搜索引擎於處理複雜且多模態的用户查詢之際，漸漸顯露出侷限性，人工智能搜索優化技術順勢而生，它藉由引入先進的自然語言處理技術，以及深度學習技術，還有知識圖譜等技術，顯著提高了信息檢索的效率以及準確性。 要點的核心在於人工智能搜索優化，是對搜索過程實施智能化改造的舉措。傳統搜索方式主要依靠關鍵詞匹配，以及頁面權重排名來

搜索 , 後端開發 , 人工智能 , 模態 , Python

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Pandas：第一章 簡介和安裝

人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Pandas 是一個強大的 Python 數據分析和處理庫，廣泛用於數據清洗、探索、操作和分析。它建立在 NumPy 之上，提供了高效、靈活且易於使用的數據結構，特別適合處理結構化（表格型）數據。 📌 Pandas 的核心數據結構

數據結構 , 人工智能 , pandas , 數據分析 , 深度學習

收藏 評論

u_17583736 頭像

AI智能助理 - 人工智能要學哪些東西（AI入門必備知識全解析）

人工智能入門必備知識全解析：從疑問到行動指南 Q1：數學基礎是否必須？該學哪些內容？ 數學是AI的底層邏輯，但無需過度深究。核心需掌握線性代數（矩陣運算、向量空間，用於圖像處理與數據建模）1,4、概率統計（貝葉斯定理、分佈分析，支撐模型評估與決策）1,3以及微積分（梯度下降優化算法，提升模型精度）1,4。例如，推薦算法通過向量距離判斷用户相似性，本質是線性

機器學習 , 數學基礎 , AI入門 , Python編程 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - AI賦能：AI引領職場變革，青否ai超級員工上線助力企業降本增效！

隨着科技的日新月異，生成式AI已經成為職場中不可或缺的一部分。它不僅提高了工作效率，還解鎖了全新的工作方式。據最新調研顯示，超過75%的全職員工已經開始在工作中使用生成式AI，這一比例比半年前有了顯著增長。這標誌着我們正處在一場職場革命的前沿！（青否ai員工源頭v：zhibo175） AI如何重塑職場？ · 效率提升：AI工具幫助員工節省大量時間，完成大部分任務，但更重要的是，它激發了全新的工作模

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16237826 頭像

軟件求生 - 從 0 到 1 玩轉 Spring AI + 智譜 AI 向量模型，RAG 工程師都在用！

事情是這樣的。 上週，我負責的一個智能問答項目，老闆突然説一句話： “小米啊，我們要做知識庫檢索，搞個類似 RAG 的東西，支持語義搜索。” 我當場愣住：語義搜索？知識庫？向量？Embedding？ 老闆微微一笑：“別慌，用 SpringAI 接智譜 AI。” 那一刻，我的人生彷彿聽見了 命運的 Callback。於是，就有

機器學習 , yyds乾貨盤點 , 搜索 , 屬性表 , 向量空間 , 人工智能

收藏 評論

datagrand 頭像

達觀數據 - RPA界面元素智能自適應定位與操控技術

什麼是RPA？RPA（Robotic Process Automation，機器人流程自動化）是通過特定的、可模擬人類在計算機界面上進行操作的技術，它可以按規則自動執行相應的流程任務，代替或輔助人類完成相關的計算機操作，從而節約人力成本，提高生產效率。 從RPA的定義就可以看出，對計算機界面的操控是RPA的核心之一。要實現對計算機界面的操控，就必須用到RPA界面元素定位和操控技術。 元素定位與操

rpa , r , 人工智能 , 深度學習

收藏 評論

u_15742790 頭像

數據科技訊 - 集團軍協同聚變，看新紫光如何奔跑在AI主航道上

未來，是一個"萬物皆可AI"的智能世界，我們正置身於一場由智能技術驅動的深刻產業革命之中。 與此同時，人工智能的浪潮不再滿足於單點的技術突破，而是席捲產業鏈的每一個環節，推動創新模式從"裂變"走向"聚變"，引發從技術架構到產業生態的系統性重構。站在萬物智聯的時代拐點，領軍企業的角色已然重新定義：唯有從技術的引領者，蜕變為生態的賦能者，方能激活全局。 完成戰略重整的新紫

低功耗 , MySQL , 數據庫 , 人工智能 , 解決方案

收藏 評論

deephub 頭像

deephub - 從 Pandas 轉向 Polars：新手常見的10 個問題與優化建議

Polars 速度快、語法現代、表達力強，但很多人剛上手就把它當 Pandas 用，結果性能優勢全都浪費了。 下面是新手最容易犯的 10 個錯誤，以及對應的解決思路。 1、直接 read_csv而不用 scan_* 新手拿到一個大 CSV，上來就這麼寫： df=pl.read_csv("events.csv") 這會把整個文件一口氣塞進內存。文件一旦上了 GB 級別，內存直接爆掉，性能也

機器學習 , 人工智能 , pandas , Python

收藏 評論

lab4ai 頭像

Lab4AI - 告別漫長等待：3D生成進入“秒時代”！Apple 重新定義實時視圖合成

告別漫長等待：3D生成進入“秒時代”！Apple 重新定義實時視圖合成 論文標題：Sharp Monocular View Synthesis in Less Than a Second 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✨研究背景 在 AR/VR 及互動照片瀏覽領域，用户迫切需要能從單張照片快速生成高保真、可交互的 3D 場景 。然而，傳統的神經渲染技術（如 NeRF）

人工智能

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 當視覺模型開始「懂你所指」：SAM3 的能力遠超你想象

如果你曾經想過：「我能不能只用一句話，讓電腦在視頻裏自動找出所有『紅色揹包』？」或者希望在一張照片裏隨手點一下，就完成乾淨利落的分割，那SAM3正是為這些需求準備的。 隨着圖像與視頻數據的爆炸式增長，傳統分割方法往往需要大量標註或只能識別固定類別，難以應對複雜開放場景。SAM3 則通過統一的多模態輸入方式——文本、示例與視覺提示——讓模型能主動理解你的意圖，並在圖像與視頻中執行高精度檢測、分

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第16講：實戰：打造具備宏觀問答與圖表生成功能的論文問答的RAG系統

在前面的課程中，我們利用所學的 RAG 知識，搭建了一個基於論文的問答系統。但是當論文數量比較多時，針對一些統計信息，比如某個方向的論文數量、某個會議的論文數量等，如果只通過傳統的 RAG 是沒辦法對這些信息進行檢索的。 對此，本章將先簡單回顧之前內容，並在此基礎上再做升級，完成一個集統計分析和知識問答功能於一體的智能問答系統。 一、上節回顧 為了更好地理解本章內容，我們先簡要回顧前兩

機器學習 , 教程 , 知識 , 人工智能 , SQL

收藏 評論

baidujiagoushi 頭像

百度Geek説 - 視覺大模型訓練和推理加速

導讀 本次分享將講解如何結合 profiling 工具，發現訓練與推理的性能瓶頸。介紹結合GPU產品特點，利用算子融合、低精度等技術，以及Faster Transformer最佳實踐，提升性能並加快吞吐。 12 月份的「百度百舸 - 雲原生 AI」技術公開課的 4 期整理文字已經全部發布，直播回放視頻將在明年 1 月份陸續上線，大家可以通過百度智能雲技術站視頻號觀看。 大家好，我是來自

人工智能 , transform , 深度學習

收藏 評論

u_15214399 頭像

u_15214399 - 基於華為開發者空間Notebook，Tensorflow + Fashion MNIST構建CNN實現智能衣櫃服裝分類系統

一、概述 1. 案例介紹 華為開發者空間，是為全球開發者打造的專屬開發者空間，致力於為每位開發者提供一台雲主機、一套開發工具和雲上存儲空間，匯聚昇騰、鴻蒙、鯤鵬、GaussDB、歐拉等華為各項根技術的開發工具資源，並提供配套案例指導開發者從開發編碼到應用調測，基於華為根技術生態高效便捷的知識學習、技術體驗、應用創新。 開發者空間 - AI

pytorch , 人工智能 , 開發者 , 項目源碼 , Glyph

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI視覺分析安全管理系統：用技術築牢主動防線

傳統安全管理多依賴“人工巡檢+事後追溯”，不僅效率低下，還常因疲勞、環境干擾留下安全盲區。AI視覺分析安全管理系統的核心價值，是通過技術手段將安防從“被動應對”升級為“主動預判”，靠一套“感知-分析-決策-聯動”的智能鏈路，守住安全第一道關口。其技術內核並不晦澀，本質是讓系統像“智慧哨兵”一樣，看得清、讀得懂、反應快。 系統的技術底座的是“四層架構協同”，每一層都承擔着關鍵職責。最前

數據 , 上傳 , NLP , 人工智能 , 安全管理

收藏 評論

zengshenaiguodejinyu 頭像

科技夾克 - 邊緣部署第二章 YOLO如何通過TensorRT部署在Jetson orin NX/NANO

首先感謝兩個恩師，我願稱之為簡體中文互聯網最好的TensorRT教程： 鏈接1 鏈接2 本文的環境是Jetson Orin Nano 安裝的Jetpack版本是6.2.1，包含CUDA12.6，cuDNN 9.3.0，TensorRT 10.3.0，部署的模型是YOLO，對於其他環境，我也會簡單介紹一下如何選擇合適的版本。 1 TensorRT簡介 TensorRT是英偉達推出的一個高性能深度學習

部署 , yolo , 人工智能 , tensorrt

收藏 評論