首页 文章 精选 留言 我的

精选列表

搜索[风之力散热]，共4960篇文章
优秀的个人博客,低调大师

课程回顾｜以智能之力，加速媒体生产全自动进程

本文内容整理自「智能媒体生产」系列课程第二讲：视频AI与智能生产制作，由阿里云智能视频云高级技术专家分享视频AI原理，AI辅助媒体生产，音视频智能化能力和底层原理，以及如何利用阿里云现有资源使用音视频AI能力。课程回放见文末。 01 算法演进：视频AI原理 在媒体生产的全生命周期中，AI算法辅助提升内容生产制作效率，为创作保驾护航。 智能生产全链路 智能生产全链路可分为五大部分。传统的媒体生产包含采集、编辑、存储、管理和分发五个流程，随着人工智能技术的兴起，五大流程涉及到越来越多的机器参与，其中最主要的便是AI技术的应用。以下举例说明： l 采集 在摄像机拍摄时同步进行绿幕抠图，这在演播室或者影视制作场景中是比较常见的。 l 编辑 编辑过程运用到很多技术，比如横转竖、提取封面、叠加字幕等，同时这些字幕还可以通过语音识别的方式提取出来再叠加在画面上。 l 存储 视频在采集和编辑之后，需要存储下来进行结构化分析，像智能标签就是运用在存储场景，从视频中提取出相应的标签，进行结构化的存储，并把视频库中的视频进行结构化关联。 l 管理 存储下来的视频如何管理？如何通过关键词检索到对应的视频？在管理环节，AI可以帮助进行多模态的检索，比如人物搜索等。 l 分发 在存储和管理之后，视频分发也运用到AI技术，比如音视频DNA、溯源水印等版权保护应用。如果通过直播流的方式对广大用户进行直播，那么分发环节还会涉及到直播审核，以免出现直播故障。 基于智能生产全链路，媒体AI全景图应运而生，共分为四个层次： 最上面的层次表达媒体生产的应用场景，包含智能媒资管理、内容智能生产以及视频版权保护。 往下是产品能力，即AI组合达成的能力，比如视频分类、智能封面、智能抠图等。 再往下是AI原子能力，比如语音识别、自然语言处理这些底层的AI能力。 最下是支撑AI能力的基础底座，如编解码和GPU加速等。以上组合起来，生成一张AI运用在智能生产中的全景图。 视频AI原理 视频AI的底层原理究竟是什么？ 人工智能发源于机器学习，而机器学习最早只是一种统计手段，像决策树、支持向量机、随机森林等各种数学方法。 随着时代发展，科学家提出一种人工神经网络的计算方法，或者说算法，后来发现人工神经网络可以变得更大、层次变得更深，经过进一步探索发展，在二十多年前提出了深度学习的观点和概念。 所谓深度学习，就是在原先的人工神经网络上，把中间的层次（我们称之为隐含层）扩展成两个层次、三个层次，甚至发展到现在的几十个层次，即可得到更多的输入层和输出层节点。 当神经网络变得更大、更深的时候，机器学习就演化成深度学习，也就是我们现在俗称的AI。 随之而来产生一个问题：如何将AI运用到视频和图像中？ 假如有一个1080P的视频，视频大小为1920✖1080，此时一张图像上就存在百万个像素。如果把百万个像素点都放入神经网络中，会产生巨大的计算量，远远超出常规计算机所能达到的上限。 因此，在把图像放入神经网络前需要进行处理，研究人员提出了卷积神经网络，而这也是现在所有图像和视频AI的基础。 在卷积神经网络的标准模型中，图像进入神经网络之前需要进行两步操作： 第一步是卷积层。所谓卷积就是拿一个卷积核（可以简单理解为一个矩阵）和原始图像的每一个卷积核大小的矩阵进行矩阵层的操作，最后得到一个特征图像。由于有多个卷积核，所以一张图片可以提取出多个特征图像。 特征图像直接放入神经网络还是太大，因此，需要进行第二步池化层操作，池化层的作用就是下采样，可采取多种方式，比如把方格中的最大值、平均值或者加权平均值作为最终输出值，形成下采样数据。 在上述例子中，一张图像的大小降低为原先的四分之一，输入到神经网络之后，极大降低了原始数据量，即可进行图像神经网络处理。由此可见，用通俗的话来讲，视频或图像的AI模型必须是由大数据喂出来的。 大数据天然地长在云上，云和AI天然的结合，可以使AI在云上得到较好的发展与运用。 了解视频AI原理之后，如何反过来评价AI的效果？ 以典型的分类问题举例，假如有100个视频，需要找出其中出现过人的视频，那么有两个指标可以评价AI模型的好坏：一个是精度，另一个是召回率。 所谓的精度是指，假设AI算法最终找出50个视频，但是检查之后发现，其中只有40个是真正有人的，那么精度计算为40➗50=0.8。 召回率是指，假设这100个视频中真正有人的一共有80个，而AI找出了其中40个，那么召回率计算为0.5。 可以发现，精度和召回率是一对矛盾。假如想提高精度，只要找出来的视频少一点，就可以保证每个找出来的视频都是对的，即精度上升，但此时召回率一定会下降。 现阶段的AI并不完美，也就是说，目前AI还只能辅助视频生产，生产视频的主体还是人。 AI辅助生产 AI辅助生产可以由以下两个示例进行说明。 示例一：通过图片搜索相关图片或视频。Demo显示，输入一张周星驰的图片后，机器虽然不认识这是谁，但是能够从图片中提取此人的外貌特征，然后在视频库里做相应搜索，找出一堆包含周星驰的视频。 示例二：智能横转竖。传统电影和电视剧均为横屏播放，随着移动互联网兴起，这些电影和电视剧需要在手机端进行投放，由此诞生了智能横转竖这样的AI算法，将大量的横屏视频转换成竖屏视频，帮助横屏视频在手机端分发。 电视剧横转竖效果 新闻横转竖效果 02 智能进阶：视频内容理解 智能标签 智能标签基于AI对于视频内容的理解，自动提取视频中的标签、关键词等信息，分析详情会展示为四部分： 第一部分是视频标签，获取视频的类目，视频出现过哪些人物，人物出现的时间点以及在视频中的位置，人物的相似度等。 第二部分是文本标签，会提炼出一些关键词，包括视频文本中出现过的组织机构，比如央视等。 后面两部分为文字识别和语音识别，分别通过图片OCR技术和语音云识别技术实现。 具体示例可在AI体验馆中进行体验，同时，也提供API接入文档进行参考。 体验中心：https://retina.aliyun.com/#/Label API接入文档：https://help.aliyun.com/document_detail/163485.html AI是如何从视频中提取出信息的呢？从视频标签的流程图中可以看到，输入一个视频，分别进行两部分操作： 一部分是对视频做抽帧处理，抽帧得到的图像通过人像识别、场景识别、物体识别、地标识别、OCR等图像AI识别模型，提炼出视频标签。 另一部分是把视频中的音频提取出来，然后通过ASR得到文本结果，最后再经过NLP（自然语言处理），提取出文本标签。 智能审核 视频审核的技术原理与视频标签相同，唯一不同的是，视频标签可以理解为一个正向的视频内容理解，而视频审核是负向的，审核需要识别出一些不合规的、有问题的内容，比如鉴黄、暴恐涉政、违规、二维码、不良场景等信息。 视频检索 视频检索的核心技术点是利用标签结果进行视频的分析和查询。 视频检索架构图显示，媒资系统中的视频通过媒资特征入库模块，导入到智能标签分析中，并得到一系列的标签，包括视频标签、文本标签，原始的ASR、OCR结果等，将这些结果连同视频的元数据信息比如标题、描述等，利用ElasticSearch开源服务进行文本信息的倒排索引和查询。 视频检索过程中会涉及到精排模块，这需要由业务层来实现。如果只是从ES中把符合检索条件的结果提取出来，不一定能满足业务层需求，比方说业务层面对政治新闻场景时，会要求把某些人物的搜索结果更靠前排序，而这就是精排模块所需要做的工作。 检索系统一般都会根据业务层排序，接入业务接口模块，由此一个基本的检索系统搭建完成。但是，现在的检索系统只能按照文本检索视频。如何通过一张图片，检索到相似的图片或视频呢？ 这涉及到视频DNA检索技术。所谓的视频DNA，就是把视频里面的关键帧或者某一镜头提炼出关键信息，我们把它称之为DNA，并把这些信息放入向量数据库中进行检索，更多内容可通过体验中心和接入文档进行拓展了解。 体验中心：https://retina.aliyun.com/#/DNA API接入文档：https://help.aliyun.com/document_detail/93553.html 03 能力升级：音视频智能处理 基于视频内容理解，如何对视频进行智能处理？ 绿幕抠图 绿幕抠图是在视频拍摄或者采集时，把背景替换成电脑制作的画面。在演播室场景中，实际拍摄时根据需求，在主持人的背后放置绿幕背景或者蓝幕背景。 影视制作场景同样运用到绿幕抠图，比如科幻片中无法实景拍摄的部分，会在后期进行背景叠加或其他处理工作，通过在人物背后放置绿幕的方式，把人物主体提取出来。 绿幕抠图要求输入的是蓝幕或者绿幕视频，分辨率不超过4K，同时输入一张背景图片，即可输出替换背景后的视频。以下为示例说明：一个人从绿幕前走过，替换背景后，变成此人在背景前走路，整体效果非常自然。 视频链接：https://v.youku.com/v_show/id_XNTk0MDc4Mjc3Mg==.html 视频链接： https://v.youku.com/v_show/id_XNTk0MDc4Mjc5Ng==.html 如何评价绿幕抠图的质量？首先要处理好边缘溢色，比如在头发边缘，由于原始的图像背景是绿幕，头发缝边缘必然会染上一些绿色，技术上需要把这些边缘溢色擦除掉。 此外，如何真实地呈现透明度，并叠加背后的内容，还有运动模糊，地面阴影等，均是绿幕抠图质量好坏的评价点。 横转竖 横转竖是在移动互联网上分发视频的必备处理手段。 传统人工制作横转竖视频的难点在于：一，需要专业的剪辑软件和制作人员，成本高，速度慢；二，在目标移动比较快的场景中，需要逐帧剪裁，工作量巨大；三，剪裁目标区域后，前后帧难以对齐。因此，横转竖视频更适合由机器制作实现。 智能横转竖的算法流程是：首先对视频进行镜头分割，所谓的镜头分割就是在视频制作中，按照不同拍摄机位的转变，识别镜头的切换，并把不同镜头分割开来。 视频链接：https://v.youku.com/v_show/id_XNTk0MDg4MjA0NA==.html 其次是主体选择，在主体选择时，一般选择画面中最醒目的人作为目标，在上述舞蹈场景中，主体就是这个正在跳舞的人。 然后是镜头追踪，每帧图像做好初期选择之后，下一帧都要跟随目标，即框定的图像跟随这个人进行移动。 最后是路径平滑，镜头追踪完成之后，最终生成的竖屏视频必须是平滑的，不能出现翘边等不良效果。更多内容可参见官网： 体验中心：https://retina.aliyun.com/#/H2V API接入文档：https://help.aliyun.com/document_detail/169896.html 其他视频智能处理能力 目前，阿里云视频云提供的视频智能处理能力，可分为以下四类： ROI提取，即感兴趣区域提取，包括绿幕抠图和横转竖； 智能擦除，比如去图标、去字幕； 关键信息提炼，比如智能封面，即从视频中提取出最能表现视频的一张图片；视频摘要，提取出视频中最能表现视频的简短视频； 结构化分析，比如字幕提取，把嵌入在图像中的字幕自动提取出来；PPT拆条，可以将一个课程视频自动拆成段落。 讲完视频智能处理能力，接下来介绍两项音频智能处理能力：副歌识别和节奏检测。 副歌识别 副歌是指歌曲中的高潮片段。副歌识别有何应用场景？比如，很多音乐APP的试听功能，会直接播放歌曲中的高潮片段，人为进行提取相当麻烦，而副歌识别就能很好地完成任务。 副歌识别的算法流程为：输入歌曲之后，首先进行音乐段落检测，然后提取副歌段落，并进行精调使之更贴合，最后再生成副歌片段。 副歌识别的示例显示，通过调用之后，算法会返回两个结果值，即副歌的开始时间点和结束时间点。 大家可以对返回的结果和音频进行对照，从72秒副歌开始，到102秒副歌结束，副歌识别结果还是非常准确的。 节奏检测 节奏检测即识别音乐中的节奏点，其主要应用场景为视频制作和音乐推荐，比如，通过识别出音乐节奏点，进行鬼畜视频的制作；通过识别音乐的节拍类型，是四三拍还是四四拍，帮助进行音乐分类等。 继续以上述音频示例，节奏检测算法输出两个结果：第一个是节拍时间点，如0.46秒、0.96秒均为节拍时间点；第二个是downbeat时间点，在乐理中解释为重拍，其中0.46秒为第一拍，2.46秒为第五拍，也就是说每四拍为一个小节，每小节的第一拍为重拍，由此检测出该音乐的节奏。 其他音频智能处理能力 此外，视频云还提供其他音频智能处理能力，包括混音，ASR语音识别和TTS语音合成。混音即把两个音乐片段进行叠加，其中涉及到音量增益和自动控制算法。 这些能力进行组合，还可以实现更多玩法，比如歌曲串烧，首先通过副歌识别，把几首歌曲的副歌部分提取出来，然后进行节奏检测，把合适的节拍点合在一起，最终组合成一首完整的歌曲串烧。 04 开箱即用：阿里云媒资服务 基于视频AI原理以及效果，阿里云利用现有资源，提供更方便、更高效的音视频AI使用能力。 MPS服务 MPS是媒体处理的英文简称。阿里云提供针对多媒体的数据处理服务，将媒体处理过程抽象成两种模式：一种是输入音视频等多媒体文件，经过智能化媒体处理，生成一个新的媒体文件，比如之前提到的智能横转竖。 另一种模式是输入一个媒体文件，输出经过媒体处理分析后的一系列结构化数据，比如智能标签或智能审核。 MPS支持多项音视频智能处理能力，此外，MPS的媒体文件类型，既可以输入OSS文件，也支持输入网络URL地址。 MPS接口调用的流程为： 第一步，开通MPS产品，在开通的过程中，控制台会引导进行增加权限等相关操作。 开通MPS产品：https://www.aliyun.com/product/mts 第二步，调用MPS的Open API接口，获得Access Key，包括AK的ID和密钥。所有阿里云的Open API都要通过AK和SK访问。 使用RAM服务获取AccessKey：https://ram.console.aliyun.com/manage/ak 第三步，认真阅读MPS提供的API文档：https://help.aliyun.com/document_detail/29210.html 第四步，针对开发需要，选用不同编程语言，并安装依赖模块：https://help.aliyun.com/document_detail/188024.html 第五步，编写代码。 阿里云MPS服务提供的智能化能力可以分为四个维度： 一是视频内容理解，包含智能标签，智能审核，媒体DNA，媒体DNA是视频检索中的重要组成部分，还有智能封面、视频摘要等。 二是视频智能处理，像横转竖、去图标、去字幕、字幕提取等，从电视剧或电影中抽取出字幕，并输出TXT或者SRT格式，此外，也包括绿幕抠图和PPT拆条等。 三是音频智能处理，包含副歌检测、混音处理、节奏检测和音质检测等。 四是图片智能处理，包含横转竖、去图标和人像风格化。人像风格化可以把一张人像图片风格化成不同的形式，比如把人像进行卡通化，或者进行3D处理。 IMS服务 IMS服务是阿里云近年来新上的服务，全称是智能媒体服务，和MPS服务的区别在于： IMS服务围绕直播和点播场景，是针对媒体处理的全流程服务，可认为是MPS服务的重大产品迭代和升级。 第一，IMS不仅针对于单个媒体处理过程，而是对于媒体服务全流程、全生产周期的管理和制作； 第二，IMS的集成度更高，不光可以进行单个原子能力的音视频处理，还可以进行媒资管理、工作流触发等，让开发者更方便地使用音视频智能化能力； 第三，IMS更智能，后续所有智能化能力升级后都会集中体现在IMS服务中。 IMS控制台融合了媒资管理，媒资库中的音频视频文件，包括图片、辅助的媒资，都可以通过IMS服务进行展示和管理。 利用多模检索的智能化能力，IMS可以实现多媒体文件的智能化检索。传统的音视频文件检索，只能针对标题或者简介进行，而IMS支持对上传的音视频文件做AI自动分类，并根据分类结果进行搜索，同时，也支持对视频中的文字进行自动识别检索。 比如，新闻联播的画面中出现了“康辉”两个字样，虽然视频文件的标题和简介里都没有出现过“康辉”，但在搜索“康辉”时，AI还是可以搜索识别出此视频文件，这就是多模检索的能力。 Retina多媒体AI体验中心 上述MPS和IMS服务的智能化能力，都需要通过Open API调用或者控制台开通使用，而Retina体验中心可以让大家更方便快捷地进行体验，只需上传视频或图片，就可以直观地得到经过智能化处理后的结果。 例如，在Retina平台，你可以体验人像卡通化的效果，只需上传一张人像图片，经过自动处理，就能获得童话风格的卡通人像图片，更多体验就在：http://retina.aliyun.com/ 随着视频与AI技术的发展和演进，AI在媒体生产领域中发挥着越来越重要的作用，以更快的速度、更高的效率完成之前难以实现的事情。 未来，AI将从辅助媒体生产，逐渐转变为直接生产有意义、有价值、有情感的视频，进一步加速媒体生产制作全自动处理进程。 更多完整内容详见课程回放 ⬇️ 视频链接：https://v.youku.com/v_show/id_XNTk0MjQ4Mjk5Mg==.html
2023-02-10
优秀的个人博客,低调大师

VR和云服务，使出洪荒之力也难擦出火花

近日，HTC攀上了阿里巴巴的大腿，欲探索云服务在VR上的应用。类似这样的VR和云服务邂逅，能在短时间内开花结果吗？ 近日，HTC和阿里云喜结良缘并昭告天下。阿里云要用云服务推动HTC的VR生态布局发展，共同探索云计算与VR技术的新的解决方案。 对于HTC来说，他们看上的是阿里云的云计算价值以及其背后的阿里巴巴；而在阿里看来，出于布局VR产业的考虑，和国内最大的PC VR厂商HTC合作也是情理之中。 “云服务+VR”大热，好多家都在这么玩 在科技圈，云计算和VR都是炙手可热的话题。 去年腾讯发布自己VR计划的时候，就宣布要借助腾讯云来推出VR行业的解决方案。腾讯云将提供包括更高的计算机性能、对象存储服务、语音识别能力等技术，帮助VR开发者解决内容以及硬件上的问题。 在腾讯之前，乐视也推出过VR云平台，乐视关注的重点是VR的视频内容。他们希望通过乐视云的支持，来保证VR视频内容的实时、流畅清晰，甚至是4K内容的在线点播、直播等等。 除了腾讯或者乐视云这些大头，国内一些小规模的云服务公司选择为VR视频提供解决方案，比如云宙多媒体，他们表示会在其云平台为VR视频提供实时全景拼接、高流量实时分发等。 惠普在年初推出一个“云VR服务”，让低端配置的笔记本也能玩转VR内容，惠普主打的这个云服务类似于云游戏，用户通过视频流的方式来接受游戏的画面内容。 但让人无语的是，在腾讯、乐视以及惠普们推出基于云服务的VR解决方案后，后续的进展没却远没有当初宣传的那么美好。问题出在哪里呢？ “云服务+VR”，强强联手就能天下无敌吗？ 说到云服务，它的运用更多的是和大数据的云计算挂上钩。一旦提供云服务的平台将庞大的计算机处理资源，成功运用到VR上，带给整个VR产业的是颠覆性的变革。 云渲染让VR摆脱硬件的束缚。考虑到画面的流畅以及更好的VR体验，VR内容对于硬件的要求极其严格，尤其是对计算机的CPU以及GPU的运算量要求很高。针对这一问题，云服务可以用超核服务器甚至GPU集群的技术来帮助渲染，把渲染后的场景回传到终端设备，从而降低VR对终端硬件设备的要求。 比如说，如果HTC Vive用上了阿里云的超大规模的数据处理能力，以后只需要让云端来进行图形处理，再也不用依赖实体的PC主机设备。当玩VR游戏或者看VR视频的时候，把所有的任务都扔给云服务，这将大大降低VR体验的硬件成本，摆脱头显后面连着的长长尾巴，有助于VR设备的大范围的普及和推广。 然而理想是丰满的，现实是骨感的。云服务和VR的结合，更多的还只是停留在设想中。 云服务+VR，还只是海市蜃楼 如果要实现上面的愿景，云服务需要强大的无线传输技术，但是现在的网络带宽根本达不到要求。比如说玩VR游戏，如果抛弃本地存储，使用云计算，造成的网络延迟可以说是致命性的，这一秒你在朝着敌人射击，等数据传输过来，你的眼前将是一大片马赛克，子弹还在发射途中，你可能已经被对方干死了。而且，现在的VR厂商所采用的VR设备参差不齐，每家都有自己的方法来进行相关的优化，在云端处理优化就更加困难。 云渲染对服务器要求极高。相比较常规的云计算，VR需要的云渲染对于后端的服务器系统要求更高，它所需耗用的硬件性能至少要高出云计算数倍至数十倍，这意味着提供云渲染服务的计算系统将非常庞大。作为云计算的先驱，IBM和SUN都无力单独发展云渲染平台，因为云渲染的任务中枢在于GPU，其次才轮到CPU。 良好的VR体验还需要具备实时的三维计算机图形技术、广角立体显示技术、用户动作跟踪技术以及感觉反馈技术、人机语音交互等等。而这些技术在性能上的高要求，都对背后的云计算处理能力以及存储能力提出了挑战。 因此，总体看来，现阶段云服务的计算处理能力以及网络带宽等的局限，可能还无法让VR乘着云服务腾空而起。 原文发布时间： 2016-08-11 16:05 本文作者： 巫盼 本文来自云栖社区合作伙伴镁客网，了解相关信息可以关注镁客网。
2018-02-28
优秀的个人博客,低调大师

新华三新IT 以开放之力助新农信发展

5月25-27日，“第九届中国农村金融机构信息化发展创新座谈会”在重庆隆重举办。此次会议主题为“未来金融 平台制胜”，新华三集团因其在金融领域丰富的实践经验和领先的技术成果受邀参会，并与全国农信领域的行业技术专家，以及诸多金融机构负责人共同探讨农村金融机构信息化发展的新挑战、新模式与新趋势，并向来宾展示了新华三技术创新战略以及基于开放架构平台开发的多种金融行业解决方案，满足农村金融新经济时代的转型需求，促进其IT系统向开放架构平台安全迁移。 新华三集团执行副总裁、紫光华山科技有限公司总裁叶健作为特邀嘉宾出席了此次座谈会，并发表了主题演讲。他表示：“当前，互联网金融、产业链金融、大数据金融以及风险防控等业务新形态已经出现，农信IT必须随需而变，建立开放性的体系架构，以便为业务新形态奠定基础，新华三植根中国，致力于提供真正开放的技术方案和安全可控的金融业务生态环境，帮助农信企业实现业务创新，加速转型升级。 第九届中国农村金融机构信息化发展创新座谈会 会议现场照片 新IT助力农信自主创新 利率市场化、宏观经济增长放缓、互联网金融竞争等一系列重要变革，让处于新经济时代的中国金融业，进入了挑战与机遇并存，优胜劣汰的关键转型时期。农信社、农商行是各省机构网点最多、服务区域最广的地方性金融机构，在国家日益重视扶持“三农”的今天，业务迅速发展、规模快速扩大的农信体系正面临着业务、管理、IT 等方面的诸多挑战。在变革的道路上，他们和众多国有大型银行一样，逐渐抛弃了以往封闭式主机系统开展业务的模式，而选择低成本、高性能、易于维护和使用、且符合国家安全可控要求的开放式体系架构，来提升业务的灵活性，保障业务的高可靠性，以及高效率。 作为新IT解决方案的领导者，新华三深刻洞察金融业发展趋势，在多种业务新形态方面助其自主创新。如，面向普惠金融，新华三采用开放平台全面替换大型主机平台，利用高可靠的工业标准产品，助金融企业实现安全可控；针对互联网金融，构筑金融云平台，支持混合架构，帮助金融企业快速跨入互联网+的新时代；对于当今热点大数据金融，新华三推出全新金融大数据平台，支持各类格式数据的存储、检索和分析，提供精准快速的决策支持；在风险管控方面，设立全球领先的安全运营中心，全面提供金融企业内外的安全风险防控，将各类金融风险隐患消于无形。 向开放平台转型构建安全可控金融业务生态环境 在会议现场，紫光华山科技有限公司金融行业技术总监纪钟还为来宾详细介绍了新华三的技术特点和优势所在。X86平台已经成为领先和标准的计算环境，是金融机构建立开放性的体系架构的技术平台。新华三通过HPE与H3C双品牌协同创新，为金融机构提供了业界完善的IT产品线——基于开放架构的服务器、存储、交换机、无线、网络安全及管理软件，以及由此打造的金融核心基础设施解决方案、金融开发测试云解决方案、统一监控管理方案、金融全闪存方案、业务连续性及应急管理方案等等，完整覆盖金融机构各类应用需求。 这些产品及解决方案有能力惠及中国金融行业90%以上的客户，大范围的交易所和券商都在采用新华三的IT基础设施，国内数十家银行和保险核心业务系统也都运行在新华三的IT基础设施之上。新华三的服务器、网络以及数据中心基础设施设计能力在中国金融市场皆占据领先地位。 新华三集团正致力于提供真正开放、安全可控的金融业务生态环境，以深刻的本土洞察力，与合作伙伴共同推动处理器、数据中心及硬件等领域的技术创新，并与全球领先的合作研发团队一起推进Linux应用环境的发展，努力构建广泛和强势的金融生态圈环境。通过与国内多家金融行业顶级开发商合作，推出了基于NonStop X容错系统的永不宕机全开放架构和基于Superdome X小型机+Linux开源系统的高可靠全开放架构，可为农信新一代业务的快速供给保驾护航！ 金融业乃国之重器，恰逢国家经济转型、诸多传统产业变革、各种新兴业态快速发展之时，以服务为主的金融机构对新IT的需求将是前所未有，从企业战略、到IT架构规划和实施，他们需要有经验的合作伙伴提供更好适应变革的方案和服务，实现跨越式发展。拥有数十年金融业务领域经验的新华三集团想要做的，就是在这个关键时期帮助金融机构把握住新IT机遇，快速找到实现技术架构转型之路，以开放平台制胜。 原文发布时间为：2016年5月26日 本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
2017-09-06
优秀的个人博客,低调大师

年节季到来 开启路由器隐藏的洪荒之力

【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 无线路由器已经随着移动互联网的兴起走入了千家万户，我们在家中进行无线上网时，却很少关注无线路由器本身。尤其是对于普通家庭用户来说，自己对于无线网络的了解并不是很多，大多数抱着“能上网就行”的心态，并没有将无线路由器的功能发挥到***。有一些非常实用的功能就静静的“躺”在后台设置中，只需简单进行调整，就能够优化我们的实际上网体验。 通过外接移动存储设备进行远程下载 现在，许多无线路由器都配备了USB接口，可以外接移动存储设备，这类无线路由器大多数都可以使用远程下载功能。使用迅雷远程下载功能非常简单，首先在路由器的迅雷下载页面获取验证码，然后在WEB端的迅雷远程下载页面进行路由器的绑定。然后就如同使用迅雷一样，在左上角新建任务，将资源的连接复制进去，或者上传种子，就可以让无线路由器将资源下载到移动存储设备中，省下了在家下载的时间。 无线路由器内置安全模块 除此之外，网络安全越来越受到人们的重视，许多无线路由器内置了安全防护功能，从互联网入口处保护用户的家庭网络安全。通过在路由器后台开启安全防护功能，路由器能够自动进行网址智能鉴定，深度保护上网安全。通过内置安全厂商的模块，进行网络活动分析分析，用户在上网时路由器会智能拦截恶意网址、仿冒网址和欺诈网址，同时还具有防病毒功能，实时保护用户网络安全。 打开QoS功能 ***，我们要介绍的是直接解决“抢网速”问题的QoS功能。QoS功能，也成为流量调控功能，这一功能可以针对某一个设备或者某个应用进行网速限制。当我们家中有多个设备进行上网时，不同的网络行为会使得家中带宽不堪重负。通过无线路由器的QoS功能，用户可以给经常使用迅雷下载和在线观看高清视频的设备进行限速使用。这样一来，家中的其它设备不会因为上面两个上网行为挤占带宽过多，而造成自己上网卡顿。大多数设备都支持智能调控，用户只需打开这一功能便可以拥有流畅的网络体验。
2016-12-27
优秀的个人博客,低调大师

Google outline助你翱翔“互联网”一臂之力

不做解释，解释多了是麻烦，看标题能懂的就懂了，不懂的再透露一点给你，方便你在google查阅资料，教程如下： （google自己的东西可以使用google云，免费300美元） 1.在谷歌云上开通一台虚机，可以选择离自己进的区域，这样网络会好一点。 2.主页URL是：https：//getoutline.org 服务器上使用的代码： 1： sudo -i 2： curl -sS https://get.docker.com/ | sh 3：systemctl start docker 4：systemctl enable docker 5：systemctl status docker 6：wget -qO- https://raw.githubusercontent.com/Jigsaw-Code/outline-server/master/src/server_manager/install_scripts/install_server.sh | bash 在电脑上下载安装outline管理端（地址就是他们主页） image image image 如果有不明白的可以再评论留言！！！！
2018-04-13
优秀的个人博客,低调大师

智慧医疗落地还需安防助一臂之力

看病难、看病贵一直是让老百姓头疼的问题，除此之外，医疗资源紧张、医患关系复杂也是老生常谈的话题。每年的两会上，这些都被当作提案要解决的问题一再提出，委员们带着百姓的心声，期望上述问题会得到较好的解决。近两年来，伴随着大数据技术、移动互联网的流行和发展，智慧医疗成为一个热门词汇为大众所熟知，小编查看了一些资料，经研究发现，智慧医疗中的安防元素简直不要太多，让我们来一一盘点。 人脸识别技术 有力制约号贩子 在近日举办的全国政协十二届四次会议举行记者会上，原卫生部副部长黄洁夫就挂号难等百姓关注的社会民生问题回答记者提问。会后，黄洁夫告诉记者，他的家人也曾遇到“号贩子”问题，“我女儿带我外孙去儿童医院看病，用了4个小时也挂不上号，我女儿都哭了。”挂号难在北京一直是一个难题，其重要原因在于所有的挂号是对号不对人，只要你手里拿着号就可以就医，无法确定挂号的人员与就医的人员是否为同一人。 那么是否可以用相关技术来应对这一问题呢？答案是可以采用人脸识别。当今，刷脸支付、刷脸登录等流行应用都是利用人脸识别等生物识别技术作为身份认证的技术手段，该类身份认证手段可以借助于人体独一无二的生物识别特征进行身份认证，更加精准、科学。宇视在这方面也亮出了自己的招牌：凭借大数据和视频智能分析技术的实践积累，业内首家将这一医患迫切需求变为现实：普通三甲医院每天上万条人脸数据，对号贩子定位准确率达80%以上，且通过多院联网，可实现多次识别，为号贩子治理问题开出了一剂良药。 视频监控系统助力救护车调度 提高急救效率 远程监控系统不仅可以实现远程医疗会诊，还可以用于急救调度。湖北移动在公安县各医院急救点安装了远程监控系统，利用移动4G网络，以高清视频的形式将车辆停放、医护人员准备情况、出车情况等信息实时传输到急救指挥中心监控平台，调度员一目了然，并按照“就近及时原则”，指派距离最近的医院派救护车赶赴现场，对患者实施急救，根据病种、病情及患者意愿，将患者送到相关医院救治，从而确保急诊急救的快捷有效。同时，救护车在运行过程中，通过移动物联网技术，车辆运行轨迹、区位等信息可实时反馈到监控平台，方便指挥中心及时、准确掌握各医院救护车的出行路线，合理安排线路规划，实现院前救治和入院救治的无缝对接。 健康监测和管理 云计算、大数据、物联网技术来支撑 一些疾病属于慢性病，但占据的医疗资源和成本却并不少。对此可以利用大数据、物联网等技术，使用智能腕带、智能手表等就可以做到常规的健康监测，包括对血压、脉搏等常规的一些生理信息的远程监测，在院内对睡眠、血糖，各种相关数据的精确监测等。另外，可以对一些行为进行监测，比如散步、跑步，也包括骑车和乘车，通过大数据判断出这些行为的特点，也可根据日常生活所吃的食物，包括食物的热量进行饮食的控制提醒，有针对性的给服务对象提供医疗诊断和服务。“十三五”强调要促进健康中国的建设，其中智慧医疗被提上日程，这对于安防行业来说也是一个利好消息。 总结： 智慧医疗这个概念虽然渐渐普及，但是真正落地仍需时日。其中很多层面与安防息息相关，这对安防行业来说是一个不错的机遇，既为安防找到了新的市场空白点，又会有新的需求促使安防行业不断前进与发展。 本文转自d1net（原创）
2017-07-02
优秀的个人博客,低调大师

开发者场景技术共建论坛：聚生态之力，启鸿蒙未来！

聚力共建生态，创新共筑未来。鸿蒙生态蓬勃发展，不仅仅是单一厂商的技术拓展，更是万千开发者的智慧凝聚。 6月13日，鸿蒙生态伙伴齐聚松山湖，共同见证“华为开发者大会HDC2026——开发者场景技术共建分论坛”成功举办。论坛邀请多位应用伙伴代表与华为专家，围绕AI辅助研发、媒体场景优化等方向，分享实战案例、拆解核心技术、交流共建经验，共同为大家带来一场前沿技术与实用能力的盛宴。 OpenHarmony项目群技术指导委员会秘书处主任许家喆先生进行了《携手共建，共荣鸿蒙生态》议题分享，他介绍了场景化技术共建过去一年的成果：越来越多的伙伴从使用走向共建，共创了160余项创新场景能力，提升了1600余款应用的创新竞争力，伙伴使用率飙升超过90倍，大幅提升了鸿蒙应用的用户体验，加速了鸿蒙应用开发效率。许家喆先生也感谢了伙伴们的参与和贡献，共同构筑鸿蒙创新开发体验，推动鸿蒙生态进入飞轮加速规模化时代。 AI辅助研发共建开源能力，全链路提升研发效率 研发效率不断提升，终端用户的交互体验也在持续迭代，当下生成式UI已成为智能应用的新趋势。高德地图全栈研发工程师滕腾吉祥先生带来《拥抱智能：高德AGenUI开启鸿蒙生成式UI新纪元》主题分享。高德地图依托出行场景，打造全新的AGenUI框架，让AI应用从简单的“文本式交互”进化为高效、直观的“生成式UI交互”。该框架在鸿蒙端渲染性能提升20%，内存占用降低18%，清晰展现了生成式UI为鸿蒙应用交互带来的全新可能，开启了从“千人一面”到“千人千面”的交互变革。 开发过程中的性能问题定位也是过去开发者的痛点。WPS PC端研发工程师付浩先生带来《WPS：谛听 x AI帮你看懂火焰图自动定位性能瓶颈》主题分享，就“AI如何赋能性能分析”作出介绍：过去分析一份性能Trace，资深工程师需耗费数小时手动排查；如今AI自动解析火焰图并精准定位瓶颈，单用例分析时间从5分钟降至1分钟，上千个样张分析耗时从66小时压缩至13小时，每轮性能专项节省超过130个人工小时。在AI的帮助下，人人都能成为性能调优大师。 AI辅助研发共建开源能力，全链路提升研发效率 启动速度直接影响用户体验，突破冷启动极限也是行业持续攻坚的方向。腾讯视频基建负责人王文帅女士在现场分享了硬核性能优化案例：《挑战长视频应用冷启极限，2.Xs→1s性能跃迁之路》。通过跨语言调用零拷贝、网络预建链提前预热、模块延迟加载与业务单元化重构四大手段，腾讯视频将冷启动时间从两秒多大幅降至1秒，实现“秒开”体验。 稳定高速的网络通信、实时消息推送，是各类生活服务应用的核心保障。美团在长链接通信与消息推送领域拥有深厚积累，美团网络专家胡泽江先生现场分享了《美团客户端长连接QUIC优化》。针对外卖、闪购等场景在弱网环境下常遇的加载慢、消息丢失等问题，美团基于QUIC协议优化客户端长连接，实现弱网页面加载时延提速27%，网络切换用户无感知，用户下单更及时，购物更流畅。 亦心科技技术负责人黄伟先生分享了《悟空图像 x SimpleGPULayer 高性能图像处理底座演进》。与华为鸿蒙开发团队合作打造的SimpleGPULayer框架，通过统一抽象层封装Vulkan底层能力，开发者仅需3行代码即可调用完整GPU硬件加速能力。框架内置52个高性能GPU图像滤镜，覆盖90%主流专业图像处理需求，支持28个AI推理计算算子。针对高频复杂场景最高实现1713%（17倍）速度提升。 多伙伴贡献应用场景开源能力，助力业务快速上线 花椒直播多媒体技术专家高上先生分享了《一推一播，智联鸿蒙：花椒直播HJPusher & HJPlayer SDK实践》。基于鸿蒙系统开发的直播全链路SDK，覆盖主播端推流与观众端播放，提供从采集、编码、推流到拉流、播放、渲染的完整能力。插件化架构使链路可组合、能力可复用，降低二次开发门槛；针对直播首帧时延、抗卡顿、低延迟等方向做了多项优化。充分利用鸿蒙多媒体和AI Kit释放系统能力，为鸿蒙生态提供完整成熟的直播SDK方案。 亲宝宝聚焦亲子场景，对图片加载体验要求极高。亲宝宝鸿蒙开发负责人俞鑫先生带来《从“能加载”到“秒可见”，ImageLoader图片加载优化实践》主题分享。针对鸿蒙应用中常见的图片白块、闪烁、错图、加载慢等痛点，亲宝宝开发了统一图片加载组件ImageLoader：一套API覆盖网络图、本地文件、视频封面等多种数据源。多种优化技术让图片加载更流畅，弱网场景更稳定。 元地球创始线程创始人林志标先生带来了媒体文件近场分享与接收处理开源库的实践分享：《媒体文件近场分享》。在鸿蒙生态贡献了两项开源能力：1. 基于鸿蒙碰一碰能力实现文件一键分享、接收与自动导入，一线作业人员10秒内完成模板下发，无需理解路径、压缩包等操作；2. 高性能KML解析引擎针对GIS场景优化，毫秒级解析万级地理要素，接入成本从3-5人日降至0.5小时，仅需3行核心代码。两项能力均采用ArkTS原生实现，零C++依赖。这些开源库的落地，让更多开发者便捷复用能力、协同共建，提高鸿蒙开发效率。 结语 从AI辅助研发的全链路工具共建，到启动、网络、GPU等领域的硬核技术优化，再到直播、图片传输等多个场景的应用开源库落地，每一次伙伴的代码提交、每一次开源能力的打磨，都在共同绘制一张更高效、更流畅、更智能的数字世界蓝图。每一位开发者共享的技术能力，都在鸿蒙生态里生根发芽。感谢所有伙伴在鸿蒙沃土的联合创新与开放共享，期待更多开发者、企业伙伴加入鸿蒙生态，共创无限可能。
2026-06-22

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册