- 基于YOLOv8的太阳能电池片缺陷检测项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程‘源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了YOLOv8系列缺陷检测模型与PyQt5可视化界面工具，专为太阳能电池片制造过程中常见缺陷（如裂纹、暗斑、断栅、划... 基于YOLOv8的太阳能电池片缺陷检测项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程‘源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了YOLOv8系列缺陷检测模型与PyQt5可视化界面工具，专为太阳能电池片制造过程中常见缺陷（如裂纹、暗斑、断栅、划...
- 企业级AI项目常因数据质量不佳未能达到预期，其中非结构化数据的处理是关键瓶颈。三桥君指出，PDF等非结构化文档包含大量表格、图表和公式等复杂元素，传统OCR技术难以有效提取。为解决这一难题，现代文档解析工具应具备多模态解析能力，能精确提取复杂元素并保持原始结构。文档质量直接影响AI模型效果，高质量结构化数据可显著提升模型性能。 企业级AI项目常因数据质量不佳未能达到预期，其中非结构化数据的处理是关键瓶颈。三桥君指出，PDF等非结构化文档包含大量表格、图表和公式等复杂元素，传统OCR技术难以有效提取。为解决这一难题，现代文档解析工具应具备多模态解析能力，能精确提取复杂元素并保持原始结构。文档质量直接影响AI模型效果，高质量结构化数据可显著提升模型性能。
- ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3简介该数据集提供了 ABoVE 区域 51 个站点（包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点）在 30 米分辨率下的季节性沉降、活动层厚度（ALT）、垂直土壤湿度剖面和不确定性的估计值。ALT 和土壤湿度剖... ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3简介该数据集提供了 ABoVE 区域 51 个站点（包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点）在 30 米分辨率下的季节性沉降、活动层厚度（ALT）、垂直土壤湿度剖面和不确定性的估计值。ALT 和土壤湿度剖...
- 基于YOLOv8的AI虫子种类识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了 YOLOv8 高精度虫子识别模型 与 PyQt5 图形界面工具，实现了包括图片、文件夹、视频与摄像头等多种输入方式的虫... 基于YOLOv8的AI虫子种类识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了 YOLOv8 高精度虫子识别模型 与 PyQt5 图形界面工具，实现了包括图片、文件夹、视频与摄像头等多种输入方式的虫...
- ABoVE: Directory of Field Sites Associated with 2017 ABoVE Airborne Campaign简介本数据集列出了用于规划 2017 年 ABoVE 空降行动（AAC）的约 6,700 个实地站点。这些站点包括用于确定 2017 年 AAC 飞行路径的点、面和线位置。我们希望这份汇编能够帮助调查人员了解飞行路线的选择，并帮助调查人员识... ABoVE: Directory of Field Sites Associated with 2017 ABoVE Airborne Campaign简介本数据集列出了用于规划 2017 年 ABoVE 空降行动（AAC）的约 6,700 个实地站点。这些站点包括用于确定 2017 年 AAC 飞行路径的点、面和线位置。我们希望这份汇编能够帮助调查人员了解飞行路线的选择，并帮助调查人员识...
- 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，... 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，...
- 基于MCP的一体化人工智能部署架构-从训练、调度到性能反馈的闭环系统设计（附代码）随着企业对自动化、智能化运维需求的不断提升，MCP（Model Control Pipeline） 正成为行业自动化流程中的关键技术组件。本文将以实际应用为基础，从部署、集成到监控的全过程，探讨 MCP 在工业制造、能源与物联网等领域的落地案例，并提供代码示例，展示如何构建一体化的 AI 控制与监控流程。 一... 基于MCP的一体化人工智能部署架构-从训练、调度到性能反馈的闭环系统设计（附代码）随着企业对自动化、智能化运维需求的不断提升，MCP（Model Control Pipeline） 正成为行业自动化流程中的关键技术组件。本文将以实际应用为基础，从部署、集成到监控的全过程，探讨 MCP 在工业制造、能源与物联网等领域的落地案例，并提供代码示例，展示如何构建一体化的 AI 控制与监控流程。 一...
- 三桥君深入解析结构化Prompt如何提升大模型性能，涵盖定义、作用、撰写方法与实战应用，助力AI产品经理优化模型输出质量 三桥君深入解析结构化Prompt如何提升大模型性能，涵盖定义、作用、撰写方法与实战应用，助力AI产品经理优化模型输出质量
- 基于YOLOv8的田间杂草检测识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！项目包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程源码在文末演示视频内简介处获取。 基本功能演示支持单张图片/ 文件夹批量图片/ 视频 / USB摄像头实时流 检测；检测类别：田间杂草种类识别，已支持多种常见杂草类别；模型基础... 基于YOLOv8的田间杂草检测识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！项目包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程源码在文末演示视频内简介处获取。 基本功能演示支持单张图片/ 文件夹批量图片/ 视频 / USB摄像头实时流 检测；检测类别：田间杂草种类识别，已支持多种常见杂草类别；模型基础...
- 量子计算来了，区块链还安全吗？我认真的研究了一下 量子计算来了，区块链还安全吗？我认真的研究了一下
- 残差网络（Residual Network，ResNet）是卷积神经网络（CNN）领域里程碑式的架构创新，由何恺明（Kaiming He）等人于2015年提出。其核心目标是通过残差学习（Residual Learning）解决深度网络训练中的退化问题（Degradation Problem），即当网络层数增加时，性能不升反降的现象，而梯度消失正是退化问题的主因之一。 传统深... 残差网络（Residual Network，ResNet）是卷积神经网络（CNN）领域里程碑式的架构创新，由何恺明（Kaiming He）等人于2015年提出。其核心目标是通过残差学习（Residual Learning）解决深度网络训练中的退化问题（Degradation Problem），即当网络层数增加时，性能不升反降的现象，而梯度消失正是退化问题的主因之一。 传统深...
- 需求提炼难：从模糊场景到精准任务的跨越困境剖析在行业与企业中，业务场景丰富多样且错综复杂。以制造业为例，车间的生产调度涉及设备状态、订单优先级、原材料供应等多因素，要将其转化为大模型能解决的任务绝非易事。业务人员虽熟知业务流程，却难以用技术语言描述需求；技术人员又因缺乏对业务细节的深度理解，无法精准把握需求核心。这导致双方沟通存在鸿沟，使得需求在传递过程中不断失真，最终提炼出的任务无法有... 需求提炼难：从模糊场景到精准任务的跨越困境剖析在行业与企业中，业务场景丰富多样且错综复杂。以制造业为例，车间的生产调度涉及设备状态、订单优先级、原材料供应等多因素，要将其转化为大模型能解决的任务绝非易事。业务人员虽熟知业务流程，却难以用技术语言描述需求；技术人员又因缺乏对业务细节的深度理解，无法精准把握需求核心。这导致双方沟通存在鸿沟，使得需求在传递过程中不断失真，最终提炼出的任务无法有...
- 在 AI 大模型的激烈竞争中，DeepSeek 凭借其持续迭代的技术和出色的性能，逐渐崭露头角，成为众多开发者、企业和研究机构关注的焦点。从最初专注于代码生成的 V1 版本，到具备强大推理能力和多模态融合潜力的 R3 等版本，DeepSeek 每一次更新都带来了显著的功能提升和应用拓展。今天，我们就来深入剖析 DeepSeek 不同版本之间的区别，以及它们各自最适合的应用场景，帮助大家更好地理解和 在 AI 大模型的激烈竞争中，DeepSeek 凭借其持续迭代的技术和出色的性能，逐渐崭露头角，成为众多开发者、企业和研究机构关注的焦点。从最初专注于代码生成的 V1 版本，到具备强大推理能力和多模态融合潜力的 R3 等版本，DeepSeek 每一次更新都带来了显著的功能提升和应用拓展。今天，我们就来深入剖析 DeepSeek 不同版本之间的区别，以及它们各自最适合的应用场景，帮助大家更好地理解和
- 机器学习(算法篇 2 ) 1.1 朴素贝叶斯算法简介 1.2 概率基础复习 学习目标 1.概率定义 2.案例：判断女神对你的喜欢情况 3.联合概率、条件概率与相互独立 4.贝叶斯公式 4.1 公式介绍 4.2 案例计算 4.3 文章分类计算 5 小结 1.3 案例：商品评论情感分析 1.api介绍 HMM模型 4.7 HMM模型API介绍 1 API的安装： 2 hmmlear 机器学习(算法篇 2 ) 1.1 朴素贝叶斯算法简介 1.2 概率基础复习 学习目标 1.概率定义 2.案例：判断女神对你的喜欢情况 3.联合概率、条件概率与相互独立 4.贝叶斯公式 4.1 公式介绍 4.2 案例计算 4.3 文章分类计算 5 小结 1.3 案例：商品评论情感分析 1.api介绍 HMM模型 4.7 HMM模型API介绍 1 API的安装： 2 hmmlear
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签