- 通过本专栏的阅读,后续你也可以自己魔改网络,在网络不同位置(Backbone、head、detect、loss等)进行魔改,实现创新!!! 通过本专栏的阅读,后续你也可以自己魔改网络,在网络不同位置(Backbone、head、detect、loss等)进行魔改,实现创新!!!
- FaceFusion:探索无限创意,创造独一无二的面孔融合艺术! FaceFusion:探索无限创意,创造独一无二的面孔融合艺术!
- 智能宠物硬件面临云端方案时延高、隐私风险等问题。本文剖析宠物端侧AI识别的现实技术挑战,讲解基于MobileNetV3的剪枝、量化、知识蒸馏等模型压缩手段,介绍NPU硬件加速、动态功耗管理工程方案,并结合宠物门、猫砂盆两大典型业务拆解端侧推理流程,同时探讨联邦学习、存算一体等未来技术方向。 智能宠物硬件面临云端方案时延高、隐私风险等问题。本文剖析宠物端侧AI识别的现实技术挑战,讲解基于MobileNetV3的剪枝、量化、知识蒸馏等模型压缩手段,介绍NPU硬件加速、动态功耗管理工程方案,并结合宠物门、猫砂盆两大典型业务拆解端侧推理流程,同时探讨联邦学习、存算一体等未来技术方向。
- 上一篇笔记从「拍张照片找同款」聊到图像搜索的入门概念,这篇往里走一步,讲清一个核心问题:计算机判断两张图片「像不像」,到底在比什么? 上一篇笔记从「拍张照片找同款」聊到图像搜索的入门概念,这篇往里走一步,讲清一个核心问题:计算机判断两张图片「像不像」,到底在比什么?
- 宠家庭场景下,传统监控设备仅能采集视频画面,难以区分外观相近的宠物个体,容易造成行为数据归属混乱、健康事件错配、联动设备误触发等问题。当前行业已形成一类面向边缘硬件的多模态宠物视觉感知技术路线,通过融合犬只鼻纹、面部关键点等生物特征,结合肢体姿态时序追踪、多帧特征融合等策略,在暗光、局部遮挡、宠物体态随时间变化等复杂居家条件下完成个体识别。 宠家庭场景下,传统监控设备仅能采集视频画面,难以区分外观相近的宠物个体,容易造成行为数据归属混乱、健康事件错配、联动设备误触发等问题。当前行业已形成一类面向边缘硬件的多模态宠物视觉感知技术路线,通过融合犬只鼻纹、面部关键点等生物特征,结合肢体姿态时序追踪、多帧特征融合等策略,在暗光、局部遮挡、宠物体态随时间变化等复杂居家条件下完成个体识别。
- 本文梳理欧盟《鸟类指令》、美国 MBTA、GDPR、CCPA 等核心监管要求,提出「独立合规预检层 + 可分发区域物种包」的解耦架构,区分识别准确率与保护拦截率两套验收指标,同时覆盖端侧轻量化部署、多区域文化适配、法规动态迭代流程,并结合德国智能喂鸟器商业化案例,给算法、嵌入式、产品团队一套能够直接落地的出海工程框架,降低产品下架、高额处罚的合规风险。 本文梳理欧盟《鸟类指令》、美国 MBTA、GDPR、CCPA 等核心监管要求,提出「独立合规预检层 + 可分发区域物种包」的解耦架构,区分识别准确率与保护拦截率两套验收指标,同时覆盖端侧轻量化部署、多区域文化适配、法规动态迭代流程,并结合德国智能喂鸟器商业化案例,给算法、嵌入式、产品团队一套能够直接落地的出海工程框架,降低产品下架、高额处罚的合规风险。
- 用同一张素材分别走快速去底色和AI抠图时,需要统一输入、默认参数和预览背景,差异才可比较。这份实践记录整理同图对照的环境记录项、操作步骤、排查分支与导出复核方法,属于建议流程,未包含实测数据。 用同一张素材分别走快速去底色和AI抠图时,需要统一输入、默认参数和预览背景,差异才可比较。这份实践记录整理同图对照的环境记录项、操作步骤、排查分支与导出复核方法,属于建议流程,未包含实测数据。
- 本文围绕复杂条件下的识别鲁棒性增强,构建了一套从数据处理到边缘部署的系统化方案:通过数据增强扩充样本多样性,结合 Retinex/DOG 光照归一化抑制光照干扰,利用关键点姿态校正实现面部对齐;在模型层面引入注意力双路径网络,融合全局与局部特征,并通过多任务联合学习提升泛化能力;最后针对端侧部署进行推理优化。该方案覆盖数据、算法与部署三个环节,为宠物面部识别在复杂光照与多变角度下的落地提供了路径。 本文围绕复杂条件下的识别鲁棒性增强,构建了一套从数据处理到边缘部署的系统化方案:通过数据增强扩充样本多样性,结合 Retinex/DOG 光照归一化抑制光照干扰,利用关键点姿态校正实现面部对齐;在模型层面引入注意力双路径网络,融合全局与局部特征,并通过多任务联合学习提升泛化能力;最后针对端侧部署进行推理优化。该方案覆盖数据、算法与部署三个环节,为宠物面部识别在复杂光照与多变角度下的落地提供了路径。
- 本文针对湿地生态监测中水下图像模糊、鱼类识别困难等问题,提出了一套综合解决方案。通过分析水下图像质量差的三大根源(光学散射、设备稳定性、照明问题),提出硬件优化措施和深度学习增强算法。在鱼类识别方面,比较了YOLOv5、CascadeR-CNN等模型的适用场景,并详细介绍了在树莓派等边缘设备上的部署方案。 本文针对湿地生态监测中水下图像模糊、鱼类识别困难等问题,提出了一套综合解决方案。通过分析水下图像质量差的三大根源(光学散射、设备稳定性、照明问题),提出硬件优化措施和深度学习增强算法。在鱼类识别方面,比较了YOLOv5、CascadeR-CNN等模型的适用场景,并详细介绍了在树莓派等边缘设备上的部署方案。
- 随着低空经济的蓬勃发展,无人机已成为生态监测、鸟类保护领域的重要工具。然而,鸟类识别算法与无人机硬件之间的兼容性问题是制约规模化落地的核心瓶颈。本文基于快瞳科技鸟类AI识别项目的实践,从算力分级调度、标准化SDK封装、跨平台模型转换、接口协议统一、测试矩阵构建五大维度,系统阐述兼容性优化策略,并提供实战案例参考,助力企业打通算法落地的「最后一公里」。 随着低空经济的蓬勃发展,无人机已成为生态监测、鸟类保护领域的重要工具。然而,鸟类识别算法与无人机硬件之间的兼容性问题是制约规模化落地的核心瓶颈。本文基于快瞳科技鸟类AI识别项目的实践,从算力分级调度、标准化SDK封装、跨平台模型转换、接口协议统一、测试矩阵构建五大维度,系统阐述兼容性优化策略,并提供实战案例参考,助力企业打通算法落地的「最后一公里」。
- 近年来,视觉语言模型(VLM)开始进入文档解析领域,PaddleOCR-VL、MinerU2.5 等模型以约十亿级参数实现了文字识别、版面分析和结构化输出。本文介绍这类模型的工作原理,并通过发票信息提取、PDF 转 Markdown 两个案例,展示如何用 Python 将非结构化文档转成可供业务系统和大语言模型使用的数据。 近年来,视觉语言模型(VLM)开始进入文档解析领域,PaddleOCR-VL、MinerU2.5 等模型以约十亿级参数实现了文字识别、版面分析和结构化输出。本文介绍这类模型的工作原理,并通过发票信息提取、PDF 转 Markdown 两个案例,展示如何用 Python 将非结构化文档转成可供业务系统和大语言模型使用的数据。
- CNN(卷积神经网络)擅长提取图像的空间特征,LSTM(长短期记忆网络)则擅长处理序列数据的时间特征。首先使用CNN提取视频每一帧特征,之后将提取出的所有特征送入LSTM捕捉视频中的时空特征并对视频特征序列进行分类,实现正常驾驶、闭眼、打哈欠、打电话、左顾右盼5种驾驶行为的识别。 CNN(卷积神经网络)擅长提取图像的空间特征,LSTM(长短期记忆网络)则擅长处理序列数据的时间特征。首先使用CNN提取视频每一帧特征,之后将提取出的所有特征送入LSTM捕捉视频中的时空特征并对视频特征序列进行分类,实现正常驾驶、闭眼、打哈欠、打电话、左顾右盼5种驾驶行为的识别。
- 深入理解CUDA图像并行处理在CUDA编程中,一个CUDA Kernel是由众多线程(threds)组成,而这些线程又可以被组织成一个或多个block块。在同一线程块中,线程ID是从0开始连续编号的,可以通过内置变量threadIdx来获取:// 获取本线程的索引,blockIdx 指的是线程块的索引,blockDim 指的是线程块的大小,threadIdx 指的是本线程块中的线程索引in... 深入理解CUDA图像并行处理在CUDA编程中,一个CUDA Kernel是由众多线程(threds)组成,而这些线程又可以被组织成一个或多个block块。在同一线程块中,线程ID是从0开始连续编号的,可以通过内置变量threadIdx来获取:// 获取本线程的索引,blockIdx 指的是线程块的索引,blockDim 指的是线程块的大小,threadIdx 指的是本线程块中的线程索引in...
- 本文详细介绍了在OrangePi AI Studio上使用Docker容器部署MindIE环境并运行Qwen2.5-VL-7B-Instruct多模态大模型实现吸烟动作识别的完整过程,验证了在Ascned 310p设备上运行多模态理解大模型的可靠性。 本文详细介绍了在OrangePi AI Studio上使用Docker容器部署MindIE环境并运行Qwen2.5-VL-7B-Instruct多模态大模型实现吸烟动作识别的完整过程,验证了在Ascned 310p设备上运行多模态理解大模型的可靠性。
- 松材线虫病边缘模型训练与推理部署本文详细介绍了松材线虫病检测的边缘模型训练与推理部署全流程。首先,针对无人机拍摄的4032×3024原始图像进行预处理,缩放到1024×1024避免内存溢出,并定义了9个类别(包括麻栎、罩网、疑似、早期、轻度、中度、重度、死亡和逾年)。随后采用20%重叠率对图像进行切分,生成训练集60000张、验证集6495张的sahi数据集。模型训练基于yolo11s.y... 松材线虫病边缘模型训练与推理部署本文详细介绍了松材线虫病检测的边缘模型训练与推理部署全流程。首先,针对无人机拍摄的4032×3024原始图像进行预处理,缩放到1024×1024避免内存溢出,并定义了9个类别(包括麻栎、罩网、疑似、早期、轻度、中度、重度、死亡和逾年)。随后采用20%重叠率对图像进行切分,生成训练集60000张、验证集6495张的sahi数据集。模型训练基于yolo11s.y...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家;李炎-华为云码道产品专家;彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战,从0到1打通消息通道;码道鸿蒙端云一体化实战,快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人;蒋春阳-华为云AI开发者案例开发专家
本期直播内容: AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了:看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签