首页 文章 精选 留言 我的

精选列表

搜索[内存黑科技],共10011篇文章
优秀的个人博客,低调大师

Python黑科技:50行代码运用Python+OpenCV实现人脸追踪

嗨,我最亲爱的伙计们,很高兴我们又见面了。 首先先感谢朋友们的关注。当然我更希望认识与计算机相关的领域的朋友咱们一起探讨交流。重点说一下,我是真人,不是那些扒文章的自媒体组织,大家可以相互交流的! 本篇文章我们来讲一下关于AI相关的人脸追踪,人脸识别相关的一些知识。当然本篇教程为(上)部分,讲一下利用python+opencv来实现人脸识别与追踪,明后天出(下)部分,用python来通过指纹对比实现人脸验证、人脸解锁(大家感兴趣的可以提前关注哦)。 这两节课呢,代码量都不是很多,鄙人尽量多注释点,便于大家理解。那我们就不多啰嗦废话了,直接上干货! OpenCV: opencv目前来讲是十分流行的视觉库,而且可以支持多语言。说到opencv就不得不说它的cascades分类器。 如果我们要判断一张图片是不是有一张脸,早期方式是通过成千上万的分类器去从头匹配到尾,这样看并没有什么什么毛病,但判断的图片多了呢?那可能需要猴年马月。opencv的cascades呢,就把这些用来判断人脸特征的容器划分成多块层层匹配,到一层不匹配就被丢弃。 这好比一群人去公司面试,公司第一个要求是只要男人,那一批女人就走了,公司说只要本科,一批专科走了,公司说要两年工作经验的,又会走一批,直到最后。这样的工作量比每个人面试不管男女都过一遍流程轻松的多。 环境拓扑: 操作系统:windows7 python版本:2.7.14 opencv版本:3.x 环境配置: 1.安装python(额...这个当我没说) 2.安装Opencv 这个从官网下载就OK啦 下载完之后直接解压就行,推荐解压到跟你的python安装的父路径。 3.使用pip安装numpy 打开cmd输入: pip install numpy 进行安装,安装完毕后会给提示。 4.找到你的opencv安装路径(比如我的是D盘) 复制D:opencvopencv3.xuildpython.7\x64路径下的cv2.py 注意:我的windows版本为64位所以我选择的是X64,如果你的是32位的话你需要选择X86文件夹下的cv2.pyd 复制完之后,粘贴到你的python安装路径下的Lib/site-packages这个文件夹下。 完成上面这些就基本OK啦,我们在写代码之前先来测试一下,环境是否配置成功。 在CMD命令行下运行python: import numpy import cv2 如果没有报错,说明安装完成。 实现原理: 1.调用计算机摄像头 cv2.Videocamture(0) 2.将摄像头数据按帧来取(相当于给每一帧图片的人脸加框框) cam.red() 3.将每一帧摄像头记录的数据带入opencv让classifier去判断人脸 detectMultiScale() 4.如果存在人脸给人脸标记画框 cv2.rectangle() 5.输出画框后的帧动画 cv2.imshow('My Camera',frame) 代码实现: 第一步定义一个识别函数: 先放图片,这个地方比较重要,我在下面会详细的说一下。 6-7行代码说明: 首先创建classifier,为什么要弄这个呢? 引用的haarcascade开头的文件是opencv里面关于人脸级联分类器,你在opencv文件夹下的sourcesdatahaarcascades可以看到: 说明功能: 人脸检测器(默认):haarcascade_frontalface_default.xml 人脸检测器(快速Harr):haarcascade_frontalface_alt2.xml 人脸检测器(侧视):haarcascade_profileface.xml 眼部检测器(左眼):haarcascade_lefteye_2splits.xml 眼部检测器(右眼):haarcascade_righteye_2splits.xml 嘴部检测器:haarcascade_mcs_mouth.xml 鼻子检测器:haarcascade_mcs_nose.xml 身体检测器:haarcascade_fullbody.xml 人脸检测器(快速LBP):lbpcascade_frontalface.xml 1:haarcascade_frontalface_alt.xml Stump-based 20x20 gentle adaboost frontal face detector. 2:haarcascade_frontalface_alt2.xml Tree-based 20x20 gentle adaboost frontal face detector. 3:haarcascade_frontalface_alt_tree.xml Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree of stage classifiers instead of a cascade 4:haarcascade_frontalface_default.xml Stump-based 24x24 discrete(?) adaboost frontal face detector. 以上这四个鄙人都测试过,haarcascade_frontalface_alt.xml这个效果是最好的,其它的大家可以单个测试。 设定灰度: 灰度的设定是为了增强面部轮廓的对比度,这是增加精度必不可少的。 核心代码解剖: DetectMultiScale 函数是一个检测物体的通用函数,我们介绍一下: gray:这是转换成灰度后的图片 scaleFactor:补偿参数,一般设置值为1.1-1.5比较好,效果大家自己改着看 minNeighbors:对当前其周围有多少物体进行定义 minSize:设定窗口大小 flags:略抽象,选择默认或者上图即可 画方框: 定义xywh利用for循环读取faces变量里面的坐标,然后通过rectangle()函数进行画方框。 代码下部分: OK,写完代码之后,我们把上部分代码跟下部分代码拼凑起来,运行下试一下: 大家凑合看吧,我笔记本cam有点渣,不过随着人的晃动,都可以完美的识别出来,由于没法上视频,大家就自行测试吧。 最后再强调一点:明后天出(下)部分,用python来通过指纹对比实现人脸验证、人脸解锁(大家感兴趣的可以提前关注哦)。 大家如果有问题都可以评论区留言,另外如果需要一个学习交流的平台可以加小编的群:719+139+688,群里面有很多学习资料还有大神的直播分享,希望对大家有所帮助,另外在这个上面我回复可能稍微慢一点,但是你们有问题在评论区留言我都会帮你们解决的。

优秀的个人博客,低调大师

一文带你了解阿里云RPA4.0背后的黑科技

今年5月,Gartner发布了RPA全球竞争格局的调研报告,阿里云RPA名列其中。随着阿里云RPA产品和生态的不断发展、客户的认可与伙伴的倾情投入,阿里云RPA有了很大的突破,并围绕“更专业、更智能、深化集成”方向,全新升级到了4.0版本,除了品牌整体调整外,阿里云RPA还对可视化开发、录制和AI等多个方面进行了重大升级,进一步满足客户业务需求,为企业数字化转型提供高效、安全、智能的服务。 一、阿里云RPA4.0是什么? 阿里云RPA(Robotic Process Automation,机器人流程自动化)是一款软件机器人,能够模拟人的行为完成软件的交互,解决跨系统、跨平台、重复有规律的工作流程。阿里云RPA作为一款通用型产品或工具可融合到不同企业和业务流程中,提升业务的智能化水平,将人力从繁琐、重复低价值的工作中解放出来,投入到更高价值的创造性工作中。 时至今日,阿里云RPA已被超过50万各行各业的用户采用,可跟踪到的执行总次数已突破120亿次,阿里云RPA为用户提升了3-10倍的效率。 此次更新的4.0版本,致力于往更专业、更智能、深化集成的方向发展。本文将全方位探索阿里云RPA4.0的强大功能。 二、阿里云RPA4.0的整体架构 阿里云RPA4.0采用主流C/S架构模式,前端客户端采用.net平台,基于Windows系统具有自主研发的SDK及各项功能,后端服务端采用Linux(CentOS)操作系统,提供各类后台服务和组件。同时本次升级将服务型机器人、有人值守机器人、无人值守机器人的客户端归一,使架构更加精简。 三、阿里云RPA4.0重大升级1)品牌升级阿里云RPA4.0希望能将理性的技术与感性的体验相结合,打造简洁、专业、高效的机器人流程自动化的极致体验。因此新品牌呈现专业、动感、注重效率的调性。 2)视觉和交互升级在RPA领域,高效是设计的首要目标。本次阿里云RPA4.0对客户端的视觉和交互体验进行了全新改版升级。包括: 提供了深色和浅色的模式选择,用户可根据办公环境的灯光状态、个人喜好进行调整。 新版的交互流程更扁平更清晰,让新用户容易学习理解。 将编辑器面板设计成灵活可定制的组件,使用更流畅更高效。 3)双模:可视化开发模式 + 编码开发模式阿里云RPA4.0可同时支持可视化编排模式与编码开发模式双引擎模式。因此无论是对于技术型公司还是业务型公司,阿里云RPA都有对应的模式支持企业降本提效。 可视化编排模式,通过拖拽模块的方式,全面降低用户使用门槛,让业务人员也能快速搭建业务流程,提升日常工作效率。 编码开发模式,用完整、强大的编码开发模式赋能RPA工程师,协助企业实现复杂流程的开发。 4)无限录制:全面覆盖阿里云RPA的原理是模拟人工操作,哪些人工操作能录制,哪些不能录制,决定了RPA的使用场景和范围。阿里云RPA4.0拥有以下3种录制模式。 首先是标准录制,阿里云RPA4.0全面支持:1) Windows7~Windows10各个操作系统版本2) IE、Chrome等浏览器;3) Win32、WinForm、WPF、Java、QT等各种类型应用程序;4) Office全系列、WPS全系列;5) 常用的业务系统,包括SAP、用友、金蝶、Oracle等。 其次是图像录制。阿里云RPA4.0通过内置的图像分析算法,实现图像类控件的自动化,能在更为丰富的非标场景中,提供准确稳定的录制支持,并且具有与标准录制一致的使用体验。 最后,在图像录制的场景中有很多文字类区域,针对这种类型的非标控件,需要进阶的智能方法,就是OCR录制。阿里云RPA4.0通过内置的OCR引擎,对控件所在区域进行文字识别,通过指定关键词,对关键词所在位置进行鼠标键盘的自动化操作。 5)AI赋能:通用智能场景 + 视觉自学习前面所讲到的OCR录制,只是阿里云RPA4.0在录制过程中的一个AI赋能。在多元化的业务场景中,阿里云RPA4.0还可提供更多通用的智能化场景解决方案,比如电子卷宗管理、资质审核、财务报销、 口碑分析、舆论解析等。 除了不断扩展的通用智能化场景,阿里云RPA4.0还提供机器自学习平台的训练与识别能力,匹配企业的定制化需求。例如在票据的智能报销场景中,对票据的真伪进行验证;在实际的业务中,不同类型票据的模版结构会有差异,阿里云RPA4.0也可提供不同类型票据模板结构定制化解决方案。 6)深化集成:协助用户解决全域全流程业务开发阿里云RPA一直坚持以被集成的理念服务客户和众多合作伙伴,因此4.0版本允许用户以隐藏模式被集成进入客户或伙伴的整体解决方案中,同时提供了多种访问和调度能力供整体方案进行访问和交互。目前已经实现了与数据中台、业务中台等多种系统打通对接。 四、阿里云RPA4.0适用场景和案例阿里云RPA4.0主要适用于跨系统、跨平台、重复、有规律的工作流程。 以某银行场景为例:对大量贷后上市公司的财务报表进行核查,是银行贷后管理的重点之一。由于缺少相应的系统进行自动化操作,通常信贷经理需花费大量人工进行重复性的搜索、下载、录入操作。使用阿里云RPA后,公司可大幅度减少了贷后管理的人力投入,且输出结果质量稳定可靠。 五、RPA的未来 阿里云RPA,是达摩院赋能的RPA。在智能RPA的进程中,基于达摩院持续输出的世界级AI能力,阿里云RPA将不断扩展边界,提供更广泛的业务流程操作,满足客户在不同场景下的业务需求,协助企业进行“数智”化转型。 未来阿里云RPA将以客户价值和社会价值为原则,持续打造更专业、更智能、深化集成的RPA产品,深耕RPA领域为更多的客户能够实现持续长久稳定的自动化业务而努力。

优秀的个人博客,低调大师

阿里宣布开源液冷黑科技,3至5年慢慢淘汰风冷技术

四年前,为了给服务器散热,阿里曾将服务器“泡在水里”,节能效果超过70%。 这项“泡在水里”的技术如何节能?简单来讲,就是将服务器被浸泡在特殊的绝缘冷却液里,运算产生热量可被直接吸收进入外循环冷却,全程用于散热的能耗几乎为零。 四年后,1月6日,阿里宣布将“浸没式液冷数据中心技术规范”向全社会开放。 据悉,这项规范旨在用一套标准流程为下一代绿色基地型数据中心的建设提供设计依据。初步估算,如果全国的数据中心都采用液冷技术,一年可节省上千亿度电。 与AWS、微软等厂商相比,关于发布浸没式液冷定制、开源,阿里的速度更快些,挑战也更大。“他们也在跟进我们的进度”,阿里基础设施的首席架构师、IDC研发总经理高山渊说,从阿里技术的演进路线上,我们会越来越多部署液冷的服务器。 落地与布局 在发布会后,高山渊对媒体透露,“浸没式数据中心的应用,基本上覆盖了阿里集团的主流业务,我们的双十一在集群上已经运营了两年,云计算在上面有部分客户的使用。” 而将“浸没式液冷数据中心技术规范”向全社会开放,高山渊称,每个行业都可以用。目前,阿里的浸没式液冷数据中心已经部署了一个大规模的集群,且运行了一年半的时间。阿里有慢慢扩大规模的计划,下一期的液冷机房设计建设已经在路上。“大概花费3至5年时间,在任何区域任何地方,在能够部署风冷的区域,都可以部署液冷,在这个之后就是去淘汰风冷技术,然后把液冷变成一个默认配置的过程。”高山渊说。 高山渊对于成本没有显露出过多的担心,前期会分几个层面,在基础设施数据中心本身的成本不会有特别大的变化,在液冷业务的布局会有一个比较大的成本上升,至于多少年能回升成本,是跟业务场景相关的。 高山渊和同事目前也在讨论另一个问题,也是液冷技术上有一个明显的趋势,就是5G出来之后,边缘计算会相对较火,所以阿里还在探讨液冷在边缘计算场景下的应用,也就是说,怎么把液冷相关的规范标准,缩小到一个边缘计算的规模,且也能很好的运行。 “我们希望未来技术逐步演进,从小规模边缘计算几十台一直到几十万台的规模,都是能够有很好看的成本。”高山渊说。 诸多挑战 “这个技术标准今天公布出来,可能就是看起来会比较粗一些,大家也会有很多的疑问。”高山渊说。 其实,业内对于“液冷提升效率”这件事并不陌生,但当前这个领域还处于空白阶段,几乎没有“标准”可以借鉴,厂商未来要面对很多的挑战。 高山渊回顾,我们面对的第一个挑战,也是最大的瓶颈,“浸没式液冷是一个革命性的东西,大家如果想用的话,实际上你在市面上是买不到相应的产品,买不到相应的服务器,也没有相应的机房给你使用。” 另一难题,对于液体的使用,高山渊称,大家都不知道选择什么样的液体,都没有经验,所以阿里在这方面也是经过了长期的摸索实践,总结出相应的一些经验,相应的阿里的规范。 “比如我们当前的架构是否能够实现和风同样的可靠性,这个是核心技术点的关键;比如如果一个技术在实验室,都可以去实现,但是在规模方面能否适配大规模,这个是规模化的挑战。” 阿里巴巴资深技术专家钟杨帆则认为,最大一个挑战实际上就是谁能够走出第一步,让产业慢慢成熟起来。

优秀的个人博客,低调大师

黑科技揭秘:百种异常随机注入,专有云为何稳如泰山

关键应用服务中断引发一系列连锁反应,起因仅是一块磁盘被写满?为什么这么巧,两个小概率的问题偏偏一起发生,造成保护失效?为什么我们做了测试演练,然而真正发生问题依然踩坑?”2018杭州云栖大会主论坛演示现场,阿里云专有云事业部兼企业应用事业部总经理马劲一连发出让技术人员感同身受的三连问。 百种异常现场随机注入破坏系统 继去年跑了分、断了电,在9月19日下午的杭州云栖大会技术主论坛现场,专有云现场演示稳定性升级版,在现场搭建的专有云“企业号”数据中心系统上随机注入异常搞破坏。该数据中心由8大品牌服务器搭建,模拟了客户真实的复杂生产环境,同时现场直播应用便搭载在该数据中心的系统上,在注入异常后将直观的通过观察直播是否卡顿来判断专有云系统是否真的稳定。 现场马劲让助手向观众席中扔出两只猴子玩偶,抢到的观众可以在现场呈现的1-100个异常中随机选

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。

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。

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。

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。

用户登录
用户注册