Google 的 "SharePoint 杀手" 重新发布

Google在收购Jotspot 16个月后,推出基于wiki的新在线服务Google Sites,提供四种模板,支持Google Docs集成,适用于个人及团队协作。

 

Google 收购 Jotspot 已满16个月,曾一度停止新用户的注册,近日,Google 重新发布这个基于 wiki 的在线服务,然而,新服务几乎看不到 Jotspot 的影子,Google 将其重命名为 Google Sites

Google 剥离了 Jotspot 中的结构化数据模板,用户现在只有四种模板可供选择,一个标准的 wiki 模板,一个仪表盘式样的模板可嵌入 Google 的小程序(Gadgets),一个博客风格的模板用来发布公告,一个文件柜式的模板用来上载文件。用户现在可以直接使用这些简单的模板嵌入 Google Docs 中的电子表格,演示,Word 文档,Google 日历,以及 YouTube 视频或 Picasa 像册。

象 Google Docs 一样,Google Sites 可以独立使用,也可以和其他人共享,或向公众展示。用户可从多种模板中选择(其实只有四种),但不能定制站点的外观,Google 声称他们会发布一个 API 来实现这个功能。内容编辑使用一个简单的编辑器,允许简单的格式控制。

Google Sites 可以免费使用,限于10G空间,用户还可以将自己的域名同 Google Sites 绑定(但经实际测试,目前中国的域名还不支持 - 译者),用户还可以每年支付50美圆以获得更多服务与功能。所有的 wiki 页面都有对应的 RSS 以便跟踪其内容改动。Jotspot 的老用户仍可以使用他们的旧平台并获得支持,但最终会被引导到 Google Sites。

在对 Google 的企业事务主管 Matthew Glotzbach 的访谈中,Matthew 称 Google Sites 为微软 SharePoint 杀手,因为它允许商务用户实现在线协作,而不必购买微软那些昂贵的软件,就目前来看,Google Sites 还构不成 SharePoint 杀手,但 Google 程序集的收入已经占到公司总收入的 2% 到3%,这样下去,终究会伤及微软。

译后记

根据实际试用,Google Sites 功能还十分有限,既无法撼动微软的 SharePoint,也让众多商业或企业CMS (网站内容管理系统)可以暂时擦掉冷汗,但 Google 终究是 Google,wiki 式的在线内容协作正在逐渐吸引愿意为之付钱的企业用户,这是一个非常巨大的市场,只所以目前没有爆发,是因为 SharePoint 一类的过于复杂的系统让很多只需要简单功能的人畏惧,Google Sites 非常明白 SharePoint 的软肋,它不是要超过 SharePoint,而是要收编那些在 SharePoint 面前揪光了头发的人。

本文国际来源:http://www.techcrunch.com/2008/02/27/it-took-16-months-but-google-relaunches-jotspot/,由35公里翻译,并发布在 COMSHARP CMS 行业新闻。

 
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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