人工智能

灰度匹配

机器视觉原理与案例详解 工控帮教研组编著 电子工业出版社 2020.7 ISBN 978-7-121-39084-5 一、灰度匹配 1、灰度匹配 灰度匹配基于灰度模板,用于计算其灰度值与目标图像的灰度值之间的相似度,并检测在图像的指定区域内与模板相似的目标图像数量(允许目标图像和模板之间存在一定的亮度差别),以及定位、计数和判断有无等。 2、实现过程 ❶ 选择“工具箱”→“图像处理”→

实测百度文心快码,国产 AI 代码编辑器离 Cursor 平替还有多远?

近年来,AI代码助手如雨后春笋般涌现,像Cursor、Windsurf、Cline等工具凭借强大的代码生成和编辑能力,赢得了不少开发者的青睐。然而,一个不容忽视的现实是,这些热门工具大多来自国外,并深度绑定国外的大模型。在当前日益复杂的中美贸易关系下,这无疑给国内企业带来了潜在的“断供”和“卡脖子”风

AuditLuma - AI代码审计系统(智能体)

AuditLuma - AI代码审计系统(智能体) 🔍AuditLuma是一个智能代码审计系统,它利用多个AI代理和先进的技术,包括多代理合作协议(MCP)和Self-RAG(检索增强生成),为代码库提供全面的安全分析。 项目地址AuditLuma 演示视

华为数据之道|03 差异化的企业数据分类管理框架|②以统一语言为核心的结构化数据管理

结构化数据包括基础数据、主数据、事务数据、报告数据、观测数据、规则数据。 结构化数据的共同特点是以信息架构为基础,建立统一的数据资产目录、数据标准与模型。 基础数据用于对其他数据进行分类,在业界也称作参考数据。基础数据通常是静态的(如国家、币种),一般在业务事件发生之前就已经预先定义。它的可选值数量有限,可以用作业务或IT的开关和判断条件。当基础数据的取值发生变化的时候,通常需要对流程和IT系统

future——加速你的单细胞分析

由于单细胞数据本身就具有数据量大的特点,所以在进行单细胞数据分析时往往会出现运行时间太长的问题。 不过好在 Seurat 为我们提供了部分函数与 future 并行计算的链接。 安装future future已经托管到CRAN上了,所以我们可以直接通过CRAN对其进行安装: install.packages("future") 支持future并行计算的函数 NormalizeData

《AI大模型应知应会100篇》第5篇:大模型发展简史:从BERT到ChatGPT的演进

第5篇:大模型发展简史:从BERT到ChatGPT的演进 摘要近年来,人工智能领域最引人注目的进步之一是大模型(Large Language Models, LLMs)的发展。这些模型不仅推动了自然语言处理(NLP)技术的飞跃,还深刻改变了人机交互的方式。本文将带领读者回顾大模型发展的

本地部署 DeepSeek R1(0528):从“能跑”到“可用、可管、可扩展”的私人 AI 助手指南

本地部署 DeepSeek R1(0528):从“能跑”到“可用、可管、可扩展”的私人 AI 助手指南 1. 引言:本地化的价值,不是“省钱”,而是“可控” 2. DeepSeek R1 最新版本与模型家族:你部署的不是一个模型,而是一套梯度 2.1 你现在应该知道的“新变化” 2.2 关键一句