博客 / 列表

風華正茂的AI - 【條形碼識別】基於matlab GUI二維條形碼識別

摘要:本研究面向工業與日常場景中條形碼快速讀取的需求,設計並實現了一套基於 MATLAB 的多制式條形碼圖像識別 GUI 系統。系統集成圖像採集與離線加載兩種輸入方式,利用灰度化、直方圖增強、中值濾波、自適應閾值二值化及小波去噪等預處理手段提升條碼區域對比度與抗噪能力。 作者:Bob 項目概述 針對實際應用中條形碼易受傾斜、旋轉、光照不

預處理 , 開發語言 , 掃描線 , MATLAB , Css , 前端開發 , HTML

風華正茂的AI - sdn與OpenStack有什麼聯繫

隨着雲計算和SDN的應用越來越多,對於SDN控制器的選擇也有許多,例如OpenDaylight、RYU、Floodlight和POX等,我們先選擇RYU與openstack集成作為研究方向。RYU作為Python開發的輕量級SDN控制器,可以非常容易的可以與Openstack集成在一起,現在Openstack集成SDN的方案中使用RYU的項目主要包含以下幾種:

sdn , 雲計算 , OpenStack , sdn與OpenStack有什麼聯繫 , 4s , 2d

風華正茂的AI - aix鏡像一個邏輯卷

存儲管理、LVM和文件系統(下) 導航:   管理邏輯卷   文件系統 五、管理邏輯卷 一個邏輯卷映射一個或多個物理卷,具體取決於您希望維護的數據副本的數量 單個邏輯卷副本,表示存在一個邏輯分區到物理分區的映射 添加邏輯卷 使用mklv命令創建邏輯卷,該命令指定邏輯卷的名稱並定義其特徵,包括要分配的邏輯分區數量(默認

文件系統 , 數據 , 雲計算 , aix鏡像一個邏輯卷 , 邏輯卷 , 雲原生

風華正茂的AI - TV demura 算法

文章目錄 基本概念 實例 Python實現 測試代碼 基本概念   要理解Tarjan算法,必須瞭解以下兩個概念,發現時間戳discovery time與低連接值low-link value。   發現時間戳這個很容易理解,K

機器學習 , jar , 算法 , 時間戳 , 人工智能 , TV demura 算法 , Python

風華正茂的AI - 微信小程序onLoad和onShow的區別_小程序頁面生命週期鈎子 onload和onshow區別

在微信小程序中,onLoad 和 onShow 都是頁面生命週期函數,但它們的觸發時機和用途有明顯的區別。理解這兩者的區別對於編寫高效、邏輯清晰的小程序至關重要。 onLoad 觸發時機: 頁面加載時觸發,只執行一次。 當頁面被創建並首次渲染時調用。 它接收頁面跳轉帶來的參數(通過 options 對象)。

微信小程序 , 數據 , 初始化 , 小程序 , 加載 , Css , 前端開發 , HTML

風華正茂的AI - 深度學習 邊緣關鍵點檢測 邊緣檢測的算法

邊緣提取其實也是一種濾波,不同的算子有不同的提取效果。比較常用的方法有三種,Sobel算子,Laplacian算子,Canny算子。 Sobel算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好,sobel算子對邊緣定位不是很準確,圖像的邊緣不止一個像素;當對精度要求不是很高時,是一種較為常用的邊緣檢測方法。 Canny方法不容易受噪聲干擾,能夠檢測到真正的弱邊緣。

深度學習 邊緣關鍵點檢測 , 邊緣像素 , 像素點 , 邊緣檢測 , 人工智能 , 深度學習

風華正茂的AI - 交互式分析(Hologres)2020年4月刊

2025年雲棲大會,Hologres發佈全新4.0版本升級,以“AI時代的一站式多模態分析平台”為核心理念,全面展示了Hologres在結構化、半結構化與非結構化數據分析能力上的重大突破,特別是在OLAP分析、點查、向量檢索、全文檢索、湖倉協同及AI Function集成等方面的領先優勢,刷新ClickBench、JSONBench、VectorDBBench等多項榜單,登頂第一

數據 , 模態 , 前端開發 , 結構化 , Javascript

風華正茂的AI - 金倉數據庫字段_KingbaseES數據庫水平分區技術—人大金倉_weixin

KingbaseES分區表管理:Python大數據量存儲策略 一、分區表設計原則 分區鍵選擇 時間字段(如create_time):適合時序數據 業務主鍵(如user_id):適合分佈式查詢 使用哈希分區時:$$ \text{partition_num} = \text{hash}(key)

開發語言 , SQL , 分區表 , 前端開發 , Javascript , Python

風華正茂的AI - 高中迴歸直線方程去掉離羣點

已知橢圓 \(C:\dfrac{x^2}{a^2}+\dfrac{y^2}{b^2}=1(ab0)\) 的左、右焦點分別為 \(F_1,F_2\) ,以 \(F_1F_2\) 為直徑的圓過橢圓的上、下頂點,長軸長為 \(4\) (1) 求橢圓 \(C\) (2) 設橢圓 \(C\) 的左右頂點分別為 \(A,B\) ,點 \(P(4,t)(t\neq0)\) ,過點

機器學習 , 高中迴歸直線方程去掉離羣點 , Big , 人工智能 , 斜率