- 博客(81)
- 收藏
- 关注
RSS订阅原创 【视觉多模态】- PnP（Perspective-n-Point）问题 与 多视角三角化
摘要：PnP（Perspective-n-Point）和多视角三角化是2D到3D映射的关键技术。PnP通过已知3D-2D点对应关系求解相机位姿，确定相机在3D空间中的位置和姿态，而非直接映射2D点到3D坐标。多视角三角化则通过多个摄像头在同一时刻对同一物体的2D观测，融合为3D世界坐标信息。两者共同解决了从2D图像重建3D场景的问题，在人员轨迹生成等项目中具有重要应用。
2025-12-25 16:42:20
230
原创 【视觉多模态】- 基于视觉的人（车）轨迹生成方案调研（二）
本文调研了基于视觉多模态的机场人员轨迹生成方案，重点分析了3D建模与轨迹呈现技术。商业闭源的Pixel2Geo引擎可实现厘米级精度的实时地理坐标映射，而开源替代方案如OpenSfM+COLMAP组合需离线处理。在3D建模方面，推荐Meshroom、OpenMVG等高精度重建工具，以及新兴的PartCrafter单图建模方案。针对轨迹生成，EasyRet3D、SDNet等技术能解决多视角融合和遮挡问题。建议根据实际需求选择技术路线，平衡精度与实时性要求。
2025-12-23 15:02:02
799
原创 【众包 + AI智能体】AI境生态巡查平台边防借鉴价值专项调研——以广西边境线治理为例
构建“政府监管+企业技术+公众参与”的三元协同体系，通过API接口打通河湖长办公室、环保、城管等9大部门数据链路，实现“发现异常-智能派单-处置反馈-结果核验”的全流程闭环管理。针对公众参与设计轻量化入口，市民通过微信公众号即可完成“拍照+定位”的异常线索上报，平台通过AI初筛（排除无效信息）+专员复核的机制，将公众参与有效率从传统模式的不足5%提升至32%。这种模式既激活了社会治理资源，又通过多方联动降低了部门推诿概率。
2025-12-15 16:28:30
634
原创 【众包 + AI智能体】全球“AI+众包”智能体平台业务类型与发展前景分析
全球“AI+众包”智能体平台市场呈现爆发式增长，预计2025年规模突破10亿美元，中国市场占比50%。平台基于人机协同深度形成五大业务梯度：纯人模式（15%）、0.75人模式（30%）、半人模式（35%）、0.25人模式（18%）和全自动模式（2%）。该模式通过AI与人类最优组合实现降本增效与质量升级，商业模式从单一佣金转向多元收益体系。2030年全球市场规模预计超100亿美元，中国占比将达60%，增长动力来自技术突破、场景需求和生态协同。未来需突破技术替代瓶颈、数据安全等制约因素，聚焦垂直领域和跨境市场。
2025-12-15 16:26:08
586
原创 【众包 + AI智能体】全球_AI+众包_智能体平台全景图：超越网易有灵的创新商业模式
**AI+众包智能体平台**是融合"人工智能+人类智能"的新型协作平台，通过**人机协同模式**完成任务，兼具效率与质量优势。**市场规模**：2025年全球AI众包市场突破10亿美元，年增长率50%+；中国市场占比约50%，达500亿元人民币。**典型代表**：网易有灵(中国)、Amazon Mechanical Turk(美国)、Scale AI(美国)、MuleRun(全球)
2025-12-15 16:24:56
1193
原创 【码农日常】- docker安装时的鬼魅‘your-proxy’
摘要 本文记录了Docker安装过程中常见的"your-proxy"报错问题。作者发现该问题源于~/.docker/config.json配置文件中的代理设置，文件中默认配置了无效的代理地址"http://your-proxy:port"。这个配置会导致Docker在安装或运行时出现连接问题。文章提供了该配置文件的示例内容，帮助开发者快速识别和解决此类代理配置问题。
2025-12-12 10:21:55
135
原创 【docker安装部署】- 一个可用的Docker 镜像配置 和 DNS配置
本文分享了Docker安装部署的两个关键配置：1）镜像配置，通过在/etc/docker/daemon.json中添加DaoCloud和1ms的镜像源加速下载；2）DNS配置，建议修改/etc/systemd/resolved.conf文件，移除8.8.8.8，保留114DNS或改用阿里云DNS（223.5.5.5/223.6.6.6）。这两个配置解决了作者长期遇到的Docker安装卡顿问题，使安装过程更加顺畅。（99字）
2025-12-10 17:47:23
211
原创 【众包 + AI智能体】网易有灵众包与有灵智能体平台
网易有灵众包与智能体平台是网易伏羲旗下的人机协作系统。有灵众包提供数据标注等兼职任务，用户通过手机APP接单赚取积分（100分=1元），适合个人灵活就业；智能体平台则基于AOP框架，实现AI与人类智能体的深度协作，支持团队创业和技术开发者API接入，提供更高阶的赚钱模式。两者结合形成从数据采集到模型应用的闭环，平台具备任务自动拆解、智能调度等功能，支持规模化运作，但需注意本地模型部署与商业成本的平衡。
2025-12-10 13:46:10
1083
原创 【图文多模态自动标注】- 技术路线与开源项目调研
本文提出了一种基于"剔除-填补"等效性的图文多模态自动标注技术方案。该方案采用三阶段流程：1)使用Grounding DINO+SAM2组合进行物体识别与分割；2)通过LaMa或Stable Diffusion Inpaint进行精准剔除与背景填补；3)利用ViT-L/14 DINOv2等模型校验填补效果。开源项目Grounded-Segment-Anything整合了检测、分割和修复全流程，在48G RTX4090等高端硬件上可流畅运行。相比直接生成，该方法通过逆向操作实现了更精准的图
2025-12-09 18:25:45
1030
原创 【3D标注】- Unreal Engine 5.7 与 Python 交互基础
本文介绍了在Unreal Engine 5(UE5)中使用Python进行3D标注开发的方法。主要内容包括：1) UE5提供了实验性的Python API接口，包含超过10000个函数；2) 详细说明了4种执行Python代码的方式：通过OutputLog控制台执行脚本或单句代码、使用Tools工具菜单、以及通过UnrealEditor-Cmd.exe命令行工具。文章还指出虽然Python接口功能强大，但目前仍处于实验阶段，尚未达到商用成熟度。这些方法为开发者提供了在UE5中实现3D标注和虚拟化开发的多种技
2025-12-09 15:28:01
303
原创 【3D标注】- 世界模型样本标注【配完整源代码】
本文提出了一套在Windows环境下采集3D虚拟世界交互行为数据的方案。该方案通过监听指定窗口的键鼠操作，生成结构化JSON标注文件，用于构建多模态交互行为数据库。方案明确了9项核心采集标准，包括环境多样性、交互丰富性、操作同步精度等要求。调研了4个主流开源强化学习平台（Unity ML-Agents等）的适用性，并开发了基于Python的录制系统，可同步捕获屏幕视频和输入事件，确保时间偏差小于100ms。系统支持自定义分辨率（≥2560×1440）和帧率（≥24fps），满足机器学习对数据质量的一致性要求
2025-12-05 14:44:00
711
原创 【音频标注】- 大模型部署资源极致利用方案尝试（一）
本文探讨了大模型部署资源极致利用方案，重点分析了KTransformers和Llamafile两种工具。KTransformers通过CPU-GPU异构计算优化LLM推理，支持多种模型但仅限文本处理。Llamafile提供一键部署方案，将模型打包为可执行文件，支持64种涵盖文本、代码、多模态等任务的模型。研究发现当前框架对1.58bit动态量化模型支持有限，建议进一步研究KTransformers、Unsloth等工具以提升GPU利用率。文章还对比了不同量化方案（如Q5_K_M/Q5_K_S）在资源优化中的
2025-12-03 11:57:08
138
原创 【音频标注】- deepseek-R1满血版 1.58 Bit模型落地部署（五）
本文记录了在Ubuntu 24.04系统上部署deepseek-R1 1.58 Bit模型的过程。重点解决了CUDA驱动与系统版本的兼容性问题，详细说明了CUDA 12.5工具包的安装步骤，包括系统更新、旧版本清理和正确安装方法。文章还提供了完整的开发环境配置（Python 3.11.14、Torch 2.9、flash-attn 2.8.3等），并分享了两种模型调用方式：直接运行脚本和通过端口暴露服务。最后给出了权限问题的解决方案和关键注意事项，强调从驱动到系统的严格匹配要求。
2025-12-01 18:12:39
541
原创 【音频标注】- deepseek-R1满血版 1.58 Bit模型落地部署（四）
本文记录了在Docker容器中部署deepseek-R1 1.58Bit大模型的过程。作者首先清理了无关Docker容器，新建容器并挂载必要路径，但在安装Anaconda和构建虚拟环境时遇到代理配置错误。通过排查发现环境变量中的无效代理设置，清除后解决了apt更新问题。随后尝试安装NVIDIA驱动535版本以支持CUDA 12.1，但出现"Failed to initialize NVML"错误。文中详细记录了问题定位和解决步骤，包括代理清除、驱动安装等关键操作，为类似环境下的AI模型部
2025-11-30 10:57:42
745
原创 【音频标注】- deepseek-R1满血版 1.58 Bit模型落地部署（三）
【摘要】本文详细记录了KTransformers高性能AI推理框架在Ubuntu服务器上的部署过程。面对CUDA路径识别异常、Python头文件缺失、C++扩展编译失败等多项技术挑战，通过系统性环境修复（安装Python开发包、显式设置CUDA路径）、手动编译策略（进入源码目录构建CMake）、智能安装优化（禁用依赖检查）等创新解决方案，成功构建了支持RTX 4090 GPU加速的推理环境。最终实现了3-5倍的推理速度提升，支持百亿参数模型的高效部署，建立了包含分层权重加载和CPU-GPU混合计算的企业级A
2025-11-26 15:29:15
807
原创 【音频标注】- deepseek-R1满血版 1.58 Bit模型落地部署（二）
本文介绍了基于Docker部署DeepSeek-R1大模型的具体过程。首先阐述了显卡驱动、CUDA Toolkit等基础概念及其在宿主机和容器中的层级关系。然后详细记录了部署步骤：包括创建新Docker容器、处理flash_attn安装包、解决Torch版本冲突等问题。文中特别指出AutoDL环境下持久化存储的特殊性，并提供了虚拟环境迁移和假nvcc脚本的解决方案。最后描述了ktransformers的安装过程，以及在遇到问题时采取的容器重置措施。整个过程展现了深度学习模型部署中的典型挑战和应对方法。
2025-11-25 16:36:44
822
原创 【音频标注】- deepseek-R1满血版 1.58 Bit模型落地部署（一）
本文介绍了DeepSeek-R1满血版1.58Bit模型的落地部署过程。采用Unsloth+KTransformer方案进行动态量化，预计占用显存10G-16G，内存约60G。部署中遇到flash-attention下载中断、GCC版本过高、CUDA版本冲突等问题，通过软链接解决libcudart缺失、降级GCC至12版本等方式处理。最终因CUDA版本冲突，建议采用Docker方案实现多版本共存。整个过程详细记录了环境配置、报错分析和解决方案，为类似大模型部署提供了参考经验。
2025-11-18 11:52:29
407
原创 【视觉多模态】- 基于视觉的人（车）轨迹生成方案调研
摘要：本文提出一套基于视觉的嫌疑人（车）轨迹推演系统，通过视频结构化和以图搜图技术实现目标追踪。系统首先利用VideoPipe对海量监控视频进行结构化处理，提取目标特征构建数据库；然后通过特征向量比对实现快速目标检索；最后结合时空信息和Video-Analyzer深度分析生成轨迹报告。方案核心在于将非结构化视频数据转化为可查询的结构化数据，关键技术包括目标检测、特征提取和相似度计算。系统难点在于完美的跨帧特征构建和相似度距离定义，但为海量视频检索提供了高效解决方案。
2025-11-04 17:29:40
1104
原创 【码农日常】万能的huggingface镜像中国站点
为解决huggingface模型下载问题，推荐使用国内镜像站点hf-mirror.com。通过在终端设置环境变量export HF_ENDPOINT=https://hf-mirror.com，成功解决了whisper X模型和扩散模型下载卡顿的问题。该镜像站为国内用户提供了稳定高效的模型下载服务。
2025-11-03 18:01:16
167
原创 【金融】- LlamaParse：多模态pdf解析【缺APIKEY】
【金融】- 基于 pdf 一步步构建知识图谱【一，LlamaParse，失败】
2025-10-17 04:45:00
388
原创 【挖掘】- 样本质量诊断之样本熵
多变量滚动样本熵（固定时间区间滚动计算） 样本熵的计算涉及一段时间区间的时间序列，因此并不是每个样本对应一个熵值，而是一段时间区间的时间序列数据（二维数据表）对应一个熵值。为了每个样本有一个值，常用的方法是进行固定时间窗口的滚动计算。重要参数有：窗口长度 (Window Size)、滑动步长 (Step Size)、样本熵参数 (m, r)。
2025-10-14 11:33:21
1224
原创 【金融】- 搭建 图谱挖掘工作流 调研
知识图谱的多样性由目标、语义、规则等决定金融图谱工作流融合KG+LLM+多智能体技术主要挑战：数据质量、计算资源、协议标准化解决方案：利用Neo4j、AutoGen等现有工具搭建系统应用方向：就业规划、投资分析、创投机会挖掘
2025-10-08 15:18:42
1217
原创 【金融】 - neo4j、Graph Data Science 安装
neo4j、Graph Data Science 安装、neo4j的远端访问、zerotier外网穿透使用介绍
2025-10-06 21:57:07
1340
原创 基于PySpark底座设计AI算子架构及其技术栈分析
摘要 本文探讨了基于PySpark底座的AI算子架构设计，旨在支持多样化的AI计算需求。面临的主要挑战包括处理大型不可分割数据（如高分辨率图像、视频）和不同规模模型训练场景（从单卡到显存不足情况）。技术栈分析显示，应重点支持单卡和多卡分布式训练场景。架构设计需要平衡易用性与灵活性，以应对从简单到复杂的各种AI计算任务，同时充分利用PySpark的分布式数据处理能力。
2025-09-30 04:45:00
405
原创 APOC（Awesome Procedures On Cypher） 的安装
APOC 是 Neo4j 的扩展插件，提供高级功能如图算法、数据导入/导出和复杂路径查询，需手动下载兼容版本的 JAR 文件并安装到插件目录。安装过程包括文件复制、权限设置和配置修改，需注意避免重复配置项导致启动失败。APOC 可显著提升大数据处理效率，但基础功能可不安装。安装成功后，可通过 Cypher 调用 APOC 过程进行复杂查询。
2025-09-29 04:45:00
1166
原创 导入csv构建知识图谱并进行图谱完备性验证
验证知识图谱完备性的关键指标，并详细记录通过Python脚本将CSV数据导入Neo4j构建知识图谱的过程。主要内容： 知识图谱完备性验证的11个关键点，涵盖实体、关系、属性、数据完整性和结构正确性等方面 使用py2neo库实现数据导入的具体代码实现，包括： 数据清洗和格式转换 批量处理机制（每500条提交一次） 节点和关系的创建与合并 错误处理和日志记录 代码解决了电话号码强制类型转换、空值处理等常见问题 支持多种实体类型（电话号码、基站、位置等）和关系类型的构建 该过程确保知识图谱构建的完整性和数据质量
2025-09-28 04:45:00
1338
原创 “全国景区活动资讯库”设计与落地计划
本文提出构建AI驱动的全国景区活动资讯库，采用YOLO+OCR+大模型等智能技术进行数据采集处理，规避版权风险并形成数据资产。通过Scrapy、Selenium等工具建立多源数据采集系统，重点抓取文旅局、景区官网及旅游平台信息。商业模式包括运营旅游资讯账号、销售数据报告及技术服务变现。建议采用MVP策略快速验证，初期投入控制在5000元内，通过A/B测试验证市场需求。该方案瞄准中国万亿级旅游市场，通过解决游客信息差和景区引流痛点，有望在AI旅游数据服务领域占据可观份额。
2025-09-27 04:45:00
1732
原创 给旅游专业还有1年毕业妹妹设计一个未来发展蓝图
《旅游+计算机交叉领域职业规划蓝图》针对20岁旅游大专生（有计算机基础），以“AI驱动的沉浸式旅行体验设计”为核心方向。分阶段：初期打造全国景区活动资讯库，建立数据资产；中期扩展平台生态，整合小众文化资源；后期标准化数字化实现价值跃升。重点突破旅游同质化痛点，专注非遗文化深度体验，利用AI个性化推荐。职业路径：1年内完成旅游大数据项目→获取实习→转型旅游科技产品经理或文化体验设计师。需培养属地文化知识、数据分析能力、产品设计思维，构建“非标资源+技术赋能”竞争壁垒。
2025-09-26 04:45:00
1125
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人