摘要:這里是我博客中一部分文章的鏈接,點擊可以直接進入。 技術類 【AI相關】 AI開發+機器學習+計算機視覺 【《修煉之道:.NET開發要點精講》初稿】 編程之基?。菏堇嘈停ㄒ唬?編程之基?。菏堇嘈停ǘ?高屋建瓴:梳理編程約定 動力之源:代碼中的“泵” 難免的尷尬:代碼依賴 可復用代碼:組件的來龍 閱讀全文
posted @ 2015-06-05 15:42 周見智 閱讀 (1152) 評論 (0) 編輯
摘要:算力和數據是影響深度學習應用效果的兩個關鍵因素,在算力滿足條件的情況下,為了到達更好的效果,我們需要將海量、高質量的素材數據喂給神經網絡,訓練出高精度的網絡模型。吳恩達在深度學習公開課中提到,在算力滿足要求的前提下,模型效果會隨著素材數量的增多而變好,理論上沒有上限。實踐證明,在普通基于深度學習的應 閱讀全文
posted @ 2019-08-02 13:47 周見智 閱讀 (1672) 評論 (6) 編輯
摘要:基于視頻結構化的應用中,目標在經過跟蹤算法后,會得到一個唯一標識和它對應的運動軌跡,利用這兩個數據我們可以做一些后續工作:測速(交通類應用場景)、計數(交通類應用場景、安防類應用場景)以及行為檢測(交通類應用場景、安防類應用場景)。我會寫三篇文章依次介紹這三個主題。 (1)目標跟蹤之速度計算 (2) 閱讀全文
posted @ 2019-07-12 19:42 周見智 閱讀 (370) 評論 (0) 編輯
摘要:基于視頻結構化的應用中,目標在經過跟蹤算法后,會得到一個唯一標識和它對應的運動軌跡,利用這兩個數據我們可以做一些后續工作:測速(交通類應用場景)、計數(交通類應用場景、安防類應用場景)以及行為檢測(交通類應用場景、安防類應用場景)。我會寫三篇文章依次介紹這三個主題。 (1)目標跟蹤之速度計算 (2) 閱讀全文
posted @ 2019-06-12 18:04 周見智 閱讀 (850) 評論 (1) 編輯
摘要:基于視頻結構化的應用中,目標在經過跟蹤算法后,會得到一個唯一標識和它對應的運動軌跡,利用這兩個數據我們可以做一些后續工作:測速(交通類應用場景)、計數(交通類應用場景、安防類應用場景)以及行為檢測(交通類應用場景、安防類應用場景)。我會寫三篇文章依次介紹這三個主題。 (1)目標跟蹤之速度計算 (2) 閱讀全文
posted @ 2019-06-06 16:38 周見智 閱讀 (545) 評論 (0) 編輯
摘要:下面是在deepstream使用過程中碰到的一些坑: (1)Pipeline中的Sink如果需要編碼存文件或者推rtmp的流,注意控制編碼的參數,編碼質量不要太高。否則可能Sink帶不動,整個Pipeline有數據積累,延時越來越高,程序占用的內存越來越大,最終crash??⒅信齙揭桓鑫侍猓焊湛? 閱讀全文
posted @ 2019-05-30 14:38 周見智 閱讀 (336) 評論 (0) 編輯
摘要:機器推理在深度學習的影響下,準確性越來越高、速度越來越快。深度學習對人工智能行業發展的貢獻巨大,這得益于現階段硬件計算能力的提升、互聯網海量訓練數據的出現。本篇文章主要介紹深度學習過程中如何選擇合適的GPU顯卡,如果你是深度學習新手,希望這篇文章對你有幫助。 推理用到的硬件分兩種,一種是專業AI硬件 閱讀全文
posted @ 2019-05-25 18:15 周見智 閱讀 (630) 評論 (0) 編輯
摘要:視頻結構化的定義 利用深度學習技術實時分析視頻中有價值的內容,并輸出結構化數據。相比數據庫中每條結構化數據記錄,視頻、圖片、音頻等屬于非結構化數據,計算機程序不能直接識別非結構化數據,因此需要先將這些數據轉換成有結構格式,用于后續計算機程序分析。視頻結構化最常見的流程為:目標檢測、目標分類(屬性識別 閱讀全文
posted @ 2019-05-08 14:01 周見智 閱讀 (1521) 評論 (4) 編輯
摘要:撤離一線城市工作已經接近一年時間,工作環境發生變化,讓我印象深刻的應該是公司周圍同事的工作狀態。身處環境氛圍的改變讓我略感恐慌,總結一篇文章我認為好的程序員應該是什么樣的,寫出來提醒自己。(圖片來自網絡見水印) 技術能力 技術是一個程序員吃飯的本錢,你可以什么都不擅長,不擅長溝通、也不擅長表達更不擅 閱讀全文
posted @ 2018-12-28 13:56 周見智 閱讀 (1894) 評論 (4) 編輯
摘要://tech.sina.com.cn/it/2018-12-06/doc-ihmutuec6481129.shtml 其實兩個月前跟一個微軟的前同事聊天已經聽說過微軟要基于Chromiun來開發PC版瀏覽器的,用來替換原來的Edge,當時就比較震驚。今天突然看到網上有關于這類的新聞,突然感 閱讀全文
posted @ 2018-12-06 13:36 周見智 閱讀 (2752) 評論 (17) 編輯
摘要:背景 在實際項目中,利用深度學習在檢測道路車輛并分析車輛行為時,需要按照事先規定的方法繪制檢測區(包含道路方向、車道區域等)。由于各種原因(人為、天氣),獲取視頻數據的攝像角度容易偏移原來設定的位置,造成檢測區域和實際畫面不匹配,系統容易產生誤檢誤報等錯誤數據。因此需要在攝像機位置偏移第一時間告訴系 閱讀全文
posted @ 2018-11-21 13:04 周見智 閱讀 (1106) 評論 (1) 韩国快乐8开奖结果查询