仙途智能B2轮融资2亿,写Python≈?画流程图,YOLOv7发布(美团YOLOv6:爱过),最新互联网校招汇总 | ShowMeAI资讯日报

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

ShowMeAI日报系列全新升级!覆盖AI人工智能 工具&框架 | 项目&代码 | 博文&分享 | 数据&资源 | 研究&论文 等方向。点击查看 历史文章列表,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。点击 专题合辑&电子月刊 快速浏览各专题全集。点击 这里 回复关键字 日报 免费获取AI电子月刊与资料包。

💰 Autowise.ai 仙途智能完成两亿元 B2 轮融资,全球业务逆势猛

仙途智能 Autowise.ai 以『人工智能』和『自动驾驶』技术为核心,2017年在上海组建了中国最早的一批 robotaxi 车队,2019年获得自动驾驶卡车测试牌照,并率先将自动驾驶技术应用到城市环卫领域,发布了全球首支涵盖1-18吨不同车型、并能应用于复杂作业场景的自动驾驶清扫车队,累计真实运营里程超百万公里。本轮2亿元融资由杉杉创投、欧普资本、老股东天奇资本与创始人黄超参与投资,融资将主要用于自动驾驶技术研发与商业化运营投入,以及海内外市场规模的扩张。

工具&框架

🚧 『Barfi』基于 Python 流程的编程环境,提供了一个图形化的编程环境

https://github.com/krish-adi/barfi

使用 barfi.Blocks 创建一个 Schema,生成并连接各 Block,编辑器右上方的小地图显示了当前布局。点击编辑器 Execute 按钮,在 compute_engine=True 时,创建的 schema 将与 Block 一起被返回。一个程序就这样完成啦!界面简洁、操作简单,还可以快速集成到 Python 工作流!你真的不心动嘛~

🚧 『sematic』一个开源的 ML 流程开发工具箱

https://github.com/sematic-ai/sematic

sematic 可以将搭建 ML Pipline 原型、部署生产的时间,从几周压缩到几天之内(可以当作 Kubeflow Pipelines 的『替身』)。作为一款开源的开发工具包,sematic 在开发/运行 ML Pipeline时使用本地 Python 函数,并且能够监控 / 可视化 / 跟踪所有 Pipeline 步骤的输入输出。

🚧 『Scalecast』时序数据预测库

https://github.com/mikekeith52/scalecast

Scalecast 是一个轻量级的建模应用,可以快速地应用、调优和验证预测问题的各类模型。如果你需要为几条业务线(成百上千的数据片)提供预测结果,那试试 scalecast 吧!相比于简单的线性回归或者一些快速程序,scalecast 可以产生动态的预测结果,而不是一步预测的平均值,避免了『测试集上准确率很好,但不能推广到真实数据』的尴尬局面。

🚧 『stopes』为机器翻译研究准备数据(单语预处理,双文本挖掘等)的库

https://github.com/facebookresearch/stopes

NLLB(No Language Left Behind,无语言障碍)是 Meta 首创的人工智能突破项目,旨在为 200 多种语言提供一对一的高质量翻译。stopes 作为 NLLB 项目的一部分,可用于创建干净的单语数据(monolingual data)、挖掘双文本、通过模块化的 API 快速构建和复制数据挖掘管道等。

🚧 『Giskard』面向 ML 团队的开源 CI/CD 平台

https://github.com/Giskard-AI/giskard

项目&代码

🏆『2022 搜狐校园算法大赛』NLP 赛道第1名开源方案(实验代码)

https://github.com/jzm-chairman/sohu2022-nlp-rank1

模型的整体架构就是一个普通的分类模型,在预训练的 BERT 或 XLNet 模型基础上增加了简单的MLP分类器。这个思路的要点在于改变数据输入的方式,利用 BERT 和 XLNet 作为 Masked Language Model 的性质,以 [SEP] 符号为界,第一段为文本输入,第二段按顺序输入所有实体,实体之间以 [MASK] 进行分隔,这 个[MASK] 标签通过 BERT Encoder 得到的语义向量就代表对应实体的情感极性。将所有 [MASK] 位置的语义向量通过分类器即可并行对所有的实体进行分类。更多作者解读可以看 《这篇文章 https://zhuanlan.zhihu.com/p/533808475》 。

博文&分享

📚 『Probabilistic Numerics』概率数值方法 免费书籍

https://www.probabilistic-numerics.org/textbooks/

数值算法从『可计算的量』中近似地计算出『难以处理的量』,或者说,从数据中推断出一个潜在的量。因此计算程序可被视作 learning machine,使用贝叶斯推理来建立更灵活有效的计算算法。概率数值计算正式确立了『机器学习』和『应用数学』之间的联系。本书提供了大量的背景材料(还有数据、工作实例、练习及解答),更适用于AI、CS、统计学、应用数学的研究生。(公众号『ShowMeAI研究中心』回复『日报』获取该书电子版)

📚 『Object Detection State of the Art 2022』2022目标检测 前沿博文

https://medium.com/@pedroazevedo6/object-detection-state-of-the-art-2022-ad750e0f6003

深度学习技术蓬勃发展,物体检测也随之成为热门话题。本文介绍了最新的物体检测技术现状。本文是作者 Pedro Azevedo『Object Detection and YOLO』系列的 Part 1,另外两篇『Part 2: From YOLO to YOLOv4』、『Part 3: What is the Best YOLO?』 也很不错,推荐阅读!

数据&资源

🔥『2023届互联网校招信息』提前批、秋招、春招 信息资源汇总

https://github.com/CARLOSGP2021/2023-campus-recruitment-for-IT-industry

研究&论文

可以点击 这里 回复关键字 日报,免费获取整理好的论文合辑。

科研进展

  • 2022.07.06『计算机视觉』YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
  • 2022.07.06『计算机视觉』Bridging the Gap between Object and Image-level Representations for Open-Vocabulary Detection
  • 2022.07.06『计算机视觉』DCT-Net: Domain-Calibrated Translation for Portrait Stylization
  • 2022.07.06『语音』Speech Denoising in the Waveform Domain with Self-Attention

⚡ 论文:YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

论文标题:YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

论文时间:6 Jul 2022

所属领域:计算机视觉

对应任务:Object Detection,Real-Time Object Detection,目标检测,实时目标检测

论文地址:https://arxiv.org/abs/2207.02696

代码实现:https://github.com/wongkinyiu/yolov7 , https://github.com/pjreddie/darknet , https://github.com/AlexeyAB/darknet

论文作者:Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao

论文简介:YOLOv7 surpasses all known object detectors in both speed and accuracy in the range from 5 FPS to 160 FPS and has the highest accuracy 56. 8% AP among all known real-time object detectors with 30 FPS or higher on GPU V100./YOLOv7在5 FPS到160 FPS的范围内,在速度和准确度上都超过了所有已知的物体检测器,并且在GPU V100上30 FPS或更高的所有已知实时物体检测器中具有最高的准确度56。在GPU V100上30 FPS或更高的所有已知的实时物体检测器中,YOLOv7具有最高的准确度56.8%AP。

论文摘要:YOLOv7在5FPS到160FPS范围内的速度和精度都超过了所有已知的物体检测器,在GPU V100上所有已知的30FPS或更高的实时物体检测器中具有最高精度56.8%AP。YOLOv7-E6物体检测器(56 FPS V100, 55.9% AP)比基于transformer的检测器SWIN-L Cascade-Mask R-CNN(9.2 FPS A100, 53. 9%)的速度和2%的准确率,以及基于卷积的检测器ConvNeXt-XL级联掩码R-CNN(8.6 FPS A100, 55.2% AP)的速度和0.7%的准确率,以及YOLOv7的表现。YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR、Deformable DETR、DINO-5scale-R50、ViT-Adapter-B和其他许多物体检测器在速度和准确度方面的表现。此外,我们只在MS COCO数据集上从头开始训练YOLOv7,不使用任何其他数据集或预训练的权重。源代码发布在https://github.com/WongKinYiu/yolov7 。

⚡ 论文:Bridging the Gap between Object and Image-level Representations for Open-Vocabulary Detection

论文标题:Bridging the Gap between Object and Image-level Representations for Open-Vocabulary Detection

论文时间:7 Jul 2022

所属领域:计算机视觉

对应任务:Open Vocabulary Object Detection,Zero-Shot Object Detection,开放词汇目标检测,零样本目标检测

论文地址:https://arxiv.org/abs/2207.03482

代码实现:https://github.com/hanoonaR/object-centric-ovd

论文作者:Hanoona Rasheed, Muhammad Maaz, Muhammad Uzair Khattak, Salman Khan, Fahad Shahbaz Khan

论文简介:Two popular forms of weak-supervision used in open-vocabulary detection (OVD) include pretrained CLIP model and image-level supervision./在开放词汇检测(OVD)中使用的两种流行的弱监督形式包括预训练的CLIP模型和图像级监督。

论文摘要:现有的开放词汇物体检测器通常通过利用不同形式的弱监督来扩大其词汇量。这有助于在推理时对新的物体进行概括。在开放词汇检测(OVD)中使用的两种流行的弱监督形式包括预训练的CLIP模型和图像级监督。我们注意到,这两种监督模式对于检测任务来说都不是最理想的排列方式。CLIP是用图像-文本对进行训练的,缺乏对物体的精确定位,而图像层面的监督则是用启发式方法,不能准确地指定局部物体区域。在这项工作中,我们建议通过对CLIP模型的语言嵌入进行以物体为中心的排列来解决这个问题。此外,我们通过使用一个伪标签过程,在视觉上将物体接地,提供高质量的物体建议,并在训练过程中帮助扩大词汇量。我们通过一个新的权重转移函数在上述两种对象对齐策略之间建立了一座桥梁,该函数聚合了它们的互补性优势。从本质上讲,所提出的模型试图在OVD环境中最小化以物体和图像为中心的表示之间的差距。在COCO基准测试中,我们提出的方法在新的类别上实现了40.3的AP50,比以前的最佳性能绝对增加了11.9。对于LVIS,我们超过了最先进的ViLD模型,在少样本的类别上有5.0的掩码AP,总体上有3.4。代码:https://bit.ly/3byZoQp 。

⚡ 论文:DCT-Net: Domain-Calibrated Translation for Portrait Stylization

论文标题:DCT-Net: Domain-Calibrated Translation for Portrait Stylization

论文时间:6 Jul 2022

所属领域:计算机视觉

对应任务:Few-Shot Learning,Style Transfer,Translation,少样本学习,神经风格转换

论文地址:https://arxiv.org/abs/2207.02426

代码实现:https://github.com/menyifang/dct-net

论文作者:Yifang Men, Yuan YAO, Miaomiao Cui, Zhouhui Lian, Xuansong Xie

论文简介:This paper introduces DCT-Net, a novel image translation architecture for few-shot portrait stylization./本文介绍了DCT-Net,一种用于少数照片肖像风格化的新型图像转换架构。

论文摘要:本文介绍了DCT-Net,一种用于少数照片的肖像风格化的新型图像翻译架构。考虑到有限的风格样本(100个),新架构可以产生高质量的风格转换结果,具有合成高保真内容的先进能力和处理复杂场景(如遮挡和配件)的强大通用性。此外,它还能通过一个由部分观察(即风格化的头部)训练的优雅的评估网络实现全身图像的转换。基于几张照片学习的风格转换是具有挑战性的,因为学到的模型很容易在目标领域变得过度拟合,这是因为只有少数训练例子形成的偏向分布。本文旨在通过采用 "先校准,后翻译 "的关键思想来处理这一挑战,并通过以局部为重点的翻译来探索增强的全局结构。具体来说,拟议的DCT-Net由三个模块组成:一个内容适配器借用源照片的强大先验来校准目标样本的内容分布;一个几何扩展模块使用仿生变换来释放空间语义约束;一个纹理翻译模块利用校准分布产生的样本来学习细粒度的转换。实验结果表明,所提出的方法在头部风格化方面优于目前的技术水平,而且在具有自适应变形的全图像翻译方面也很有效。

⚡ 论文:Speech Denoising in the Waveform Domain with Self-Attention

论文标题:Speech Denoising in the Waveform Domain with Self-Attention

论文时间:15 Feb 2022

所属领域:语音

对应任务:Denoising,Speech Denoising,降噪,语音降噪

论文地址:https://arxiv.org/abs/2202.07790

代码实现:https://github.com/nvidia/cleanunet

论文作者:Zhifeng Kong, Wei Ping, Ambrish Dantrey, Bryan Catanzaro

论文简介:In this work, we present CleanUNet, a causal speech denoising model on the raw waveform./在这项工作中,我们提出了CleanUNet,一个原始波形基础上的因果语音去噪模型。

论文摘要:在这项工作中,我们提出了CleanUNet,一个原始波形基础上的因果语音去噪模型。所提出的模型是基于一个编码器-解码器架构,结合几个自我关注块来完善其瓶颈表示,这对获得良好的结果至关重要。该模型通过一组在波形和多分辨率谱图上定义的损失进行优化。从各种客观和主观评价指标来看,所提出的方法在去噪后的语音质量方面优于最先进的模型。我们将我们的代码和模型发布在https://github.com/nvidia/cleanunet 。

我们是 ShowMeAI,致力于传播AI优质内容,分享行业解决方案,用知识加速每一次技术成长!点击查看 历史文章列表,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。点击 专题合辑&电子月刊 快速浏览各专题全集。点击 这里 回复关键字 日报 免费获取AI电子月刊与资料包。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

【电机控制入门】——电机控制书籍推荐

电机控制入门书籍推荐及分享 阅读须知: 1.电机控制的入门是涉及到机械、电子与控制等复杂交叉学习,它需要持续投入时间才可以看到学习的效果,如同“一万小时定律”。俗话说,九层之台,起于垒土,因此电机控制入门没有所谓的速成培训班。相反,还需要夯实好一定的基础。为此,博主建议从基础理论抓起,故推荐相关的书籍并分享给大家。 2.学习电机贵在动手实践,无论是借助于MATLAB/Simulink仿真平台来验证理论分析,或是使用板子对所设计的控制系统进行物理实现,博主极力推荐在一定基础(看完部分以下推荐的书籍),一边动手

昔时扬尘处 3万+

AAAI论文最佳解读|Point2Real Bridging the Gap between Point Cloud and Realistic Image for Open-World

本文提出了Point2Real,一个无训练框架,旨在缩小三维点云与真实图像之间的域差距,以实现开放世界的三维识别。考虑到三维点云和二维图像之间的显著差异,Point2Real通过形状恢复模块将点云转换为网格,并利用纹理渲染模块生成逼真的图像。该框架还引入了多视角适配器,以选择最具辨别力的视角进行特征聚合。实验结果表明,Point2Real在零样本和少样本任务中显著优于其他方法,展示了其在开放世界三维识别中的潜力。

paixiaoxin的博客 1019

Balser相机的硬件触发实战:从连线到信号处理

本文详细介绍了Balser相机硬件触发的实战应用,从硬件接线、信号定义到软件配置(Pylon Viewer及API)提供了完整指南。重点阐述了如何利用外部物理电信号实现微秒级精准触发,解决工业场景下的同步与延迟问题,并分享了信号调理、抗干扰等高级实战经验。

y9z0a1b的博客 340

【arxiv】论文找 idea : 关于 OVD 的论文扫读(四)

【arxiv】论文找 idea : 关于 OVD 的论文扫读(四)

wzk4869的博客 1519

伺服电机入门01

编码器输出 旋转信号 , 接收端: 使用ADC 捕捉旋转信号 ,转成数字信号,驱动器得到数字处理, 因为信号量是模拟信号, mcu mpu 等芯片通常内部处理是数字,通过adc 得到数字cpu 才能识别 传输过来的pos 等信息。IPM 芯片示例, IRAM256A 这个芯片已经停产,有换新的,,下面示例来自stmbl 高功率方案,4 步进电机 有全步控制,半步控制 ,微步控制,FOC控制,步进电机也是可以做伺服系统的。以下面几种信号是可以细分,也就是通过细分增加编码器的分辨率,

qq_25160559的博客 972

尚硅谷Redis 7学习笔记

尚硅谷Redis 7学习笔记

不更了,主打一个陪伴 2万+

开源项目安装与配置指南:Object Centric Open Vocabulary Detection

开源项目安装与配置指南:Object Centric Open Vocabulary Detection 1. 项目基础介绍 本项目是“Object Centric Open Vocabulary Detection”(基于对象的开放词汇检测)的官方代码库,旨在通过结合图像级和对象级的表征,提高开放词汇对象的检测性能。该项目是NeurIPS 2022论文《Bridging the Gap betw...

gitblog_00172的博客 787

点云配准实战:用DGCNN+Transformer+SVD搞定3D模型对齐(附PyTorch代码)

本文详细介绍了基于深度学习的点云配准实战方法,重点解析了Deep Closest Point (DCP)模型。该模型融合了DGCNN、Transformer和可微分SVD三大核心模块,能够端到端地预测点云间的刚性变换,有效克服传统ICP算法对初始位置敏感、易陷入局部最优的缺点。文章提供了完整的PyTorch代码实现、ModelNet40数据集处理、训练策略及显存优化技巧,旨在帮助开发者在机器人、自动驾驶等领域实现精准的3D模型对齐。

weixin_29061041的博客 155

目标检测——Bridging the Gap Between Anchor-based and Anchor-free Detection via ATSS

question1: 1.什么是anchor-based/anchor-free? answer: 1. 目标检测算法一般可分为anchor-based、anchor-free、两者融合类,区别就在于有没有利用anchor提取候选目标框。 2. A. anchor-based类算法代表是fasterRCNN、SSD、YoloV2/V3等 3. anchor-free类算法代表是CornerNe...

xubuhui的博客 1170

零代码搭建专业知识库:Wiki.js+cpolar让团队协作像写笔记一样简单

"项目文档又找不到了!“团队负责人小张第N次在群里看到这样的抱怨——技术文档分散在邮件、网盘和个人电脑里,新人入职要花一周熟悉文档位置,远程协作时版本混乱更是家常便饭。Wiki.js与cpolar内网穿透服务的出现,就像给团队协作装上了"中央大脑”,用写Markdown笔记的简单方式,搭建一个专业的知识库系统。普通人对知识管理的需求其实很简单:方便记录、容易查找、大家能用。但传统方案把这个过程搞得异常复杂:建服务器、配环境、学语法、搞权限……大部分团队还没开始就放弃了。

Yawesh的博客 2042

从0入门LocoTrack:6倍加速的SLAM追踪新范式实战指南

传统点追踪方法(如CorrTracker、TAPIR)在处理大规模场景或实时任务时,要么精度不足,要么速度太慢。而LocoTrack通过“局部4D相关性”和“Transformer全局关联”的创新设计,实现了精度与速度的双重突破速度:比现有SOTA方法快6倍,吞吐量高达数万点/秒;精度:在Kinetics、DAVIS等数据集上,定位误差显著低于传统方法;鲁棒性:能应对低纹理、动态场景等复杂环境,这是传统方法的“噩梦场景”。

m0_71589036的博客 96

目标检测经典论文——R-CNN论文翻译:Rich feature hierarchies for accurate object detection and semantic segmentation

Rich feature hierarchies for accurate object detection and semantic segmentation——Tech report (v5) 用于精确物体定位和语义分割的丰富特征层次结构——技术报告(第5版) Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik UC Berkeley 加州大学伯克利分校 {frbg,jdonahue,trevor,malikg}@...

bigcindy的博客 5972

File Load Error for Untitled.ipynb Unhandled error 解决方案

本文主要介绍了File Load Error for Untitled.ipynb Unhandled error 解决方案,希望能对使用jupyter notebook的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 1万+

医学图像彩色化相关--20201208论文笔记Bridging the gap between Natural and Medical Images through Deep Colorization

4. Bridging the gap between Natural and Medical Images through Deep Colorization 摘要:深度学习通过在大规模数据集上进行训练而蓬勃发展。但在医学图像诊断的许多应用中,由于隐私性、采集同质性差、标注成本高等原因,仍然无法获取大量数据。在这种情况下,从自然图像集合中转移学习是一种标准做法,它试图通过预先训练的模型微调来一次性处理形状、纹理和颜色差异。在这项工作中,我们建议解开这些挑战,并设计一个专门的网络模块,侧重于颜色适应。我们

OpenSceneGraph的博客 1028

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

[水文]论文极简记录

分割 Pyramid vision transformer: A versatile backbone for dense prediction without convolutions conditional positional encodings for vision transformers [2021-CVPR]Rethinking semantic segmentation from a sequence-to-sequence perspective with transformers. CV

PeaceInMind的博客 2053

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 327

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 260

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 337

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 503

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 605

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

386
上一篇: 罗永浩新公司准备招人,AI写一篇代码文档只需2步,如何优雅地乱搞Python代码、一大波数学资料来袭!AI前沿论文 | ShowMeAI资讯日报
下一篇: 一键自动化数据分析!快来看看这些宝藏工具库
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值