摘要：
机器推理在深度学习的影响下，准确性越来越高、速度越来越快。深度学习对人工智能行业发展的贡献巨大，这得益于现阶段硬件计算能力的提升、互联网海量训练数据的出现。本篇文章主要介绍深度学习过程中如何选择合适的GPU显卡，如果你是深度学习新手，希望这篇文章对你有帮助。 推理用到的硬件分两种，一种是专业AI硬件 阅读全文
摘要：
视频结构化的定义 利用深度学习技术实时分析视频中有价值的内容，并输出结构化数据。相比数据库中每条结构化数据记录，视频、图片、音频等属于非结构化数据，计算机程序不能直接识别非结构化数据，因此需要先将这些数据转换成有结构格式，用于后续计算机程序分析。视频结构化最常见的流程为：目标检测、目标分类（属性识别 阅读全文
摘要：
撤离一线城市工作已经接近一年时间，工作环境发生变化，让我印象深刻的应该是公司周围同事的工作状态。身处环境氛围的改变让我略感恐慌，总结一篇文章我认为好的程序员应该是什么样的，写出来提醒自己。(图片来自网络见水印) 技术能力 技术是一个程序员吃饭的本钱，你可以什么都不擅长，不擅长沟通、也不擅长表达更不擅 阅读全文
摘要：
http://tech.sina.com.cn/it/2018-12-06/doc-ihmutuec6481129.shtml 其实两个月前跟一个微软的前同事聊天已经听说过微软要基于Chromiun来开发PC版浏览器的，用来替换原来的Edge，当时就比较震惊。今天突然看到网上有关于这类的新闻，突然感 阅读全文
摘要：
背景 在实际项目中，利用深度学习在检测道路车辆并分析车辆行为时，需要按照事先规定的方法绘制检测区（包含道路方向、车道区域等）。由于各种原因（人为、天气），获取视频数据的摄像角度容易偏移原来设定的位置，造成检测区域和实际画面不匹配，系统容易产生误检误报等错误数据。因此需要在摄像机位置偏移第一时间告诉系 阅读全文
摘要：
服务端代码后面给出 卡口车型、车牌识别demo截图 服务器： 阅读全文
摘要：
本文介绍如何将基于深度学习的目标检测算法应用到具体的项目开发中，体现深度学习技术在实际生产中的价值，算是AI算法的一个落地实现。本文算法部分可以参见前面几篇博客： [AI开发]Python+Tensorflow打造自己的计算机视觉API服务 [AI开发]基于深度学习的视频多目标跟踪实现 [AI开发] 阅读全文
摘要：
这篇文章详细介绍在centOS7.5上搭建基于keras/tensorflow的深度学习环境，该环境可用于实际生产。本人现在非常熟练linux(Ubuntu/centOS/openSUSE)、windows上该环境的搭建 :) 前面三篇博客代码实现均基于该环境（开发或者测试过）： [AI开发]Pyt 阅读全文
摘要：
**本文恐怕不是完全的标题党** 视频多目标跟踪需要解决的关键点是前后两帧之间的Target Association，这是最难的环节（没有之一）。第T帧检测到M个目标，第T+S(S>=1)帧检测到N个目标，怎样将这M*N对目标正确地关联起来，是“跟踪算法”最难的环节。（注意这里提到的是多目标，单目标 阅读全文