- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云智能·AI公有云
人脸试妆的场景化应用
可应用于社交传播、营销推广等多种场景，满足用户的人脸试妆和人脸娱乐相关需求。 ---- 功能 腾讯云人脸试妆提供试唇色、智能美颜等功能。更多功能我们将陆续开放，敬请期待。 ---- 场景化应用 在线试妆、试唇色营销推广 腾讯云神图·试唇色接口以检测人脸关键点的人脸识别技术为核心，通过精准识别用户唇部并实现色彩自然融合处理，满足在线换唇色需求。 可助力美妆类品牌主营销推广，实现在线试口红、虚拟试妆，用户通过智能终端即可体验最接近本人真实情况的唇色效果， 在线试口红、试妆场景的营销，不仅可增加品牌主与用户的互动性更有助于品牌的宣传。 运用腾讯云神图·人脸融合能力制作变脸活动应用时，可以加入神图·人脸试妆中的美颜接口，帮助对用户上传的人脸照片进行美颜后融合变脸。提升用户体验与活动参与好感度。 为此类小程序或APP产品应用增加亮点和趣味性，提高产品与用户的互动体验；间接帮助拉新、导流、提升活跃与留存。
6.7K41发布于 2020-02-26 - 来自专栏腾讯研究院的专栏
再谈Docker，微服务的场景化应用
在这里，我也套用一下这个词，“什么是微服务的场景化应用？”。去中心化的云服务，是一个非常典型的应用场景。 什么是去中心化的云服务呢？这里做一个类比，譬如家里的供暖，可以采用集中化的供暖方式。 主要是以托管为主，因此大部分还是中心化的云服务。随着云计算的应用越来越垂直化，必然也会出现越来越多的去中心化的应用场景。 去年iCloud爆出了被黑客攻击。 这种模式，也给开源软件找到了一个非常好的商业化的机制。我相信这种机制未来会越来越流行。 一个游戏架构的应用场景 游戏是一个比较特殊的行业。 其实这种模式下，微服务也是一个非常好的应用场景。我们知道，游戏其实有非常复杂的逻辑，譬如有控制人物移动的逻辑，控制道具，控制战斗，同时，游戏中还有成百上千的电脑控制的角色，每个角色都需要有自己智能。 停止谈论Docker，思考Docker技术之上的丰富的场景化的应用，才是关键。同样，微服务也只是一种架构思想。基于这种架构所带来的神奇的应用场景才是未来。
1.3K81发布于 2018-03-06 - 来自专栏华章科技
AI魔幻行为大赏：细数机器视觉的9大应用场景
这些技术正广泛应用于城市治理、金融、工业、互联网等领域。 以下将以9个场景为例，对一些常见的应用场景进行介绍，让读者直观地理解机器视觉都能解决哪些问题。 ▲图1-5 工业瑕疵诊断应用场景 随着制造业向智能化、无人化方向发展，以及人工成本的逐年上升，广泛存在于制造业的产品外观检测迫切需要通过机器视觉技术替代人工外检人员。 ：书籍、报刊等印刷物的识别 实体标识识别：道路指示牌识别（如图1-9）、广告牌识别等 ? ▲图1-9 文字识别技术的应用场景 09 图像/视频的生成及设计 人工智能技术不仅可以对现有的图片、视频进行分析、编辑，还可以进行再创造。 张修鹏，毕业于中南大学，阿里巴巴技术发展专家，长期从事云计算、大数据、人工智能与物联网技术的商业化应用，在阿里巴巴首次将图像识别技术引入工业，并推动图像识别产品化、平台化。
1.4K30发布于 2019-07-24 - 来自专栏计算机视觉战队
AI魔幻行为大赏：细数机器视觉的9大应用场景
这些技术正广泛应用于城市治理、金融、工业、互联网等领域。 以下将以9个场景为例，对一些常见的应用场景进行介绍，让读者直观地理解机器视觉都能解决哪些问题。 ▲图1-5 工业瑕疵诊断应用场景 随着制造业向智能化、无人化方向发展，以及人工成本的逐年上升，广泛存在于制造业的产品外观检测迫切需要通过机器视觉技术替代人工外检人员。 ：书籍、报刊等印刷物的识别 实体标识识别：道路指示牌识别（如图1-9）、广告牌识别等 ? ▲图1-9 文字识别技术的应用场景 09 图像/视频的生成及设计 人工智能技术不仅可以对现有的图片、视频进行分析、编辑，还可以进行再创造。 张修鹏，毕业于中南大学，阿里巴巴技术发展专家，长期从事云计算、大数据、人工智能与物联网技术的商业化应用，在阿里巴巴首次将图像识别技术引入工业，并推动图像识别产品化、平台化。
3.2K21发布于 2019-08-14 - 来自专栏数据山谷
Python｜Plotly数据可视化（代码+应用场景）
数据可视化一网打尽 01 前言 数据可视化作为数据分析最直接的结果呈现方式，了解其制作方式和应用场景是很有必要的，本文来了解一下各个图标的应用场景及代码实现。 02 可视化绘制思维导图 绘制可视化图形，非常重要的一点就是了解什么时候需要绘制怎样的图，对于多种可视化图形的绘制方向总结如下图： 03 比较类图 创建示例数据如下： import pandas as ) fig.show() 雷达图 雷达图通常用于对个体的多个属性进行分析（企业经营状况、个人能力等） 在游戏中我们经常会看见各种游戏能力雷达图，这就是最常见的一种游戏雷达图的应用方式 1, 3, 5, 7, 9] }) fig = px.area( time_data, x='月份', y='营业额', color='公司' ) fig.show 切记不要把直方图和柱状图混为一谈，在使用的场景上二者是有一定差异的。
4.1K20编辑于 2022-05-31 - 来自专栏Lauren的FPGA
Vivado模块化综合技术的应用场景
模块化综合技术的最大优势在于实现了Vivado在模块层面对设计的综合进行相应地优化处理，使得综合的设置更能匹配设计的需求，从而提高综合的QoR。这里我们将介绍一下模块化综合技术的应用场景。 应用场景1：对不同模块设置不同的综合选项 如下图所示，对模块inst_0，为阻止其LUT Combining，将LUT_COMBINING设置为0，同时允许Retiming，故将RETIMING设置为1 由此可见，模块化综合可灵活地为不同模块设置期望的综合选项。 ? 应用场景2：对不同模块设置不同的综合策略 Vivado提供了不同的综合策略，如下图所示。这些综合策略是针对整个工程的。 目前，可应用于模块的综合策略包括： DEFAULT AREA_OPTIMIZED ALTERNATE_ROUTABILITY PERFORMANCE_OPTIMIZED 下图显示了使用模块化综合对时序的影响 结论 模块化综合技术允许对不同模块设置不同的综合选项，实现细粒度化管理 模块化综合技术允许对不同模块设置不同的综合策略，尽管本质上仍是综合选项的设置，但避免了逐个修正不同的综合选项 上期内容： Vivado
1.1K40发布于 2019-10-31 - 来自专栏AI技术应用
大模型本地化部署的应用场景
大模型本地化部署，因其在数据隐私、低延迟、成本控制等方面的优势，在多个领域展现出广泛的应用前景。以下是一些主要的应用场景。1. 实时响应型应用：自动驾驶： 本地部署能够实现快速的传感器数据处理和决策，确保车辆的行驶安全。智能制造： 在生产线上实时检测产品质量、预测设备故障，提高生产效率。 定制化与控制型应用：企业内部应用： 企业可以根据自身需求，定制和优化本地部署的AI模型，实现个性化的业务应用。科研领域： 研究人员可以在本地设备上进行模型训练、测试和调试，提高科研效率。 个人用户： 个人用户可以在本地设备上，运行自己偏好的大语言模型，对本地文档进行隐私的查询，或者进行各种本地化的AI功能。5. 总而言之，AI大模型本地化部署的应用场景非常广泛，并且随着技术的不断进步，其应用范围还将进一步扩大。
91810编辑于 2025-03-11 - 来自专栏AI算法与图像处理
一图看遍9种距离度量，图文并茂，详述应用场景！
距离度量在CV 、NLP以及数据分析等领域都有众多的应用。 通常，在使用这个距离度量之前，需要对数据进行标准化（normalize）。 此外，随着数据维度的增加，欧几里得距离就变得不那么有用了。 用例 Jaccard索引经常用于使用二进制或二进制化数据的应用程序中。当你有一个深度学习模型来预测一幅图像(例如一辆汽车)的片段时，Jaccard索引就可以用来计算给出真实标签的预测片段的准确性。 9、Sørensen-Dice Index ? Sørensen-Dice指数与Jaccard指数非常相似，它衡量的是样本集的相似性和多样性。 注意:距离测量比这里提到的9个要多得多。如果您正在寻找更有趣的指标，我建议您查看以下指标之一:Mahalanobis、Canberra、Braycurtis和KL-divergence。
4.2K11发布于 2021-03-13 @Async异步失效的9种场景
void async(String value) { log.info("async:" + value); }}这个问题还是比较有意思的，今天这篇文章总结了@Async注解失效的9种场景 9 Spring无法扫描异步类我们在Spring项目中可以使用@ComponentScan注解指定项目中扫描的包路径，例如：@ComponentScan({"com.susan.demo.service1
2.2K20编辑于 2024-05-09@Async异步失效的9种场景
9 Spring无法扫描异步类我们在Spring项目中可以使用@ComponentScan注解指定项目中扫描的包路径，例如：less复制代码@ComponentScan({"com.susan.demo.service1
67410编辑于 2024-05-28IP协议从跨境到物联网的场景化应用
场景化优化技巧地址稳定性保障：跨境账号运营需使用静态IP，避免IP频繁变动导致账号风控，IPv4静态地址适配多数平台的信任机制，IPv6静态地址需确保归属地与目标市场一致；路由优化：跨境传输中，IP协议的路由跳转次数直接影响延迟 场景化优化技巧传输效率提升：关闭不必要的IP协议选项（如IPv4的fragmentation功能），减少数据包拆分与重组开销；IPv6可启用自动MTU协商，匹配网络链路的最优传输单元；安全性强化：IPv4 场景化优化技巧地址规划：IPv4需合理划分私有地址段，避免地址冲突；IPv6可按设备类型或区域划分地址前缀，便于管理与故障排查；冲突避免：启用路由器的ARP缓存检测功能，及时发现IPv4地址冲突；IPv6 ，实现IPv4与IPv6的互通，避免业务中断；场景化优化技巧协议过渡平滑：采用“逐步迁移”策略，先在非核心业务中部署IPv6，验证稳定性后再迁移核心业务，避免一次性迁移的风险；设备与应用适配：选择支持IPv6 关闭冗余功能：关闭IP协议中不必要的扩展功能，减少传输开销；安全性优化IPv4需搭配加密工具：如VPN、加密代理，保障数据传输安全；IPv6启用IPsec加密：原生加密功能无需额外工具，简化安全配置；IP协议场景化使用的核心是
21710编辑于 2025-12-03- 来自专栏JAVA乐园
Zookeeper应用场景
Zookeeper 分布式服务框架是 Apache Hadoop 的一个子项目，主要是用来解决分布式应用中经常遇到的一些数据管理问题。 所以不能可靠的观察到节点的每一次变化 客户端监视一个节点，总是先获取watch事件，再发现节点的数据变化 watch事件的顺序对应于zookeeper服务所见的数据更新的顺序 流行的应用场景 1、分布式应用配置管理 发布与订阅即所谓的配置管理，顾名思义就是将数据发布到zk节点上，供订阅者动态获取数据，实现配置信息的集中式管理和动态更新。 序列化节点 3、分布式通知/协调 ZooKeeper中特有watcher注册与异步通知机制，能够很好的实现分布式环境下不同系统之间的通知与协调，实现对数据变更的实时处理。 对于第二种先进先出队列，增加分布式锁服务以控制时序场景
95010编辑于 2022-06-30 - 来自专栏Spark学习技巧
Spark Streaming 场景应用
其良好的可扩展性、高吞吐量以及容错机制能够满足我们很多的场景应用。 2.1 框架 目前我们 Spark Streaming 的业务应用场景包括异常监测、网页点击、用户行为以及用户地图迁徙等场景。按计算模型来看大体可分为无状态的计算模型以及状态计算模型两种。 在实际的应用场景中，我们采用Kafka作为实时输入源，Spark Streaming 作为计算引擎处理完数据之后，再持久化到存储中，包括 MySQL、HDFS、ElasticSearch 以及 MongoDB 无状态模型能够很好地适应一些应用场景，比如网站点击实时排行榜、指定 batch 时间段的用户访问以及点击情况等。该模型由于没有状态，并不需要考虑有状态的情况，只需要根据业务场景保证数据不丢就行。 首先本文介绍了 Spark Streaming 应用场景以及在我们的实际应用中所采取的技术架构。
2.1K30发布于 2018-12-25 - 来自专栏安全攻防
Nginx应用场景
} # 重复n次{n,} # 重复n次或更多次[c] # 匹配单个字符c[a-z] # 匹配a-z小写字母的任意一个(a|b|c) # 匹配任意一种情况\ 反斜杠 # 转义特殊字符二、静态服务器应用服务器通常会提供一个上传的功能 ，应用如果需要静态资源就从静态服务器中获取。 curl www.nginx.com.cn:8089# {"id":100001,"name":"1neptune"}四、负载均衡分摊到多个操作单元上进行执行，例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务器等
3.4K20编辑于 2023-02-02 - 来自专栏张善友的专栏
Redis应用场景
应用场景： String是最常用的一种数据类型，普通的key/value存储都可以归为此类，这里就不所做解释了。 应用场景： 我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息： 用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key /value结构来存储，主要有以下2种存储方式 第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时 应用场景： Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现，比较好理解，这里不再重复。 Redis作者谈Redis应用场景 为什么使用 Redis及其产品定位 Redis内存使用优化与存储 Redis复制与可扩展集群搭建 现实世界中的 Redis Redis 介绍2——常见基本类型 Redis
1.5K60发布于 2018-01-29 - 来自专栏时光笔记
SpringCloud 应用场景
一、微服务 问题 当一个大应用包含很多功能模块的时候，其中一个小模块出现问题可能导致整个系统不能用。 当一个项目从一个人开发变成多人协作开发，在一个应用中开发时不同开发人员需要考虑各种兼容协调问题，沟通成本很大。 当应用中的某个模块需要高并发的时候，整个大应用甚至一些调用频率很低的模块都要考虑高并发。 解决 在微服务架构风格中，一个大应用被拆分成为了多个小的服务系统提供出来，这些小的系统他们可以自成体系。 这些小系统可以拥有自己的数据库，框架甚至语言等，这些小系统通常以提供 Rest Api 风格的接口来被 H5, Android, IOS 以及第三方应用程序调用。
2.1K30发布于 2020-03-11 - 来自专栏Java编程指南
redis应用场景
应用场景：String是最常用的一种数据类型，普通的key/ value 存储都可以归为此类，即可以完全实现目前 Memcached 的功能，并且效率更高。 应用场景： 我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息： 用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key 第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时，需要把整个对象取回，并且修改操作需要对并发进行保护 应用场景： Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现。 应用场景： Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set
1.1K10发布于 2019-08-02 - 来自专栏Java程序猿部落
ReadWriteLock场景应用解析
因为在真实的业务场景中，一份数据，读取数据的操作次数通常高于写入数据的操作，而线程与线程间的读读操作是不涉及到线程安全的问题，没有必要加入互斥锁，只要在读-写，写-写期间上锁就行了。 ============以下我会通过一个真实场景下的缓存机制来讲解 ReentrantReadWriteLock 实际应用============ 首先来看看ReentrantReadWriteLock
1.7K10发布于 2019-12-30 - 来自专栏技术从心
redis应用场景
应用场景：String是最常用的一种数据类型，普通的key/ value 存储都可以归为此类，即可以完全实现目前 Memcached 的功能，并且效率更高。 应用场景： 我们简单举个实例来描述下Hash的应用场景，比如我们要存储一个用户信息对象数据，包含以下信息： 用户ID为查找的key，存储的value用户对象包含姓名，年龄，生日等信息，如果用普通的key 第一种方式将用户ID作为查找key,把其他信息封装成一个对象以序列化的方式存储，这种方式的缺点是，增加了序列化/反序列化的开销，并且在需要修改其中一项信息时，需要把整个对象取回，并且修改操作需要对并发进行保护 应用场景： Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现。 三、Redis实际应用场景 1、显示最新的项目列表 下面这个语句常用来显示最新项目，随着数据多了，查询毫无疑问会越来越慢。 SELECT * FROM foo WHERE ...
1.9K20发布于 2019-08-06 - 来自专栏崔哥的专栏
Redis 应用场景
首先，总结一下这些应用场景，它们不是独立存在的，很多都还是要依赖mysql；甚至项目初期这些都不是第一选择，很多场景mysql也能做，并且更简单 生成唯一的随机数 很多网站的详情页链接都有一个随机数，比如 list'=>$list, 'list2'=>$list2]); 抽奖 $ok = $this->cache()->sAddArray('users', [1,2,3,4,5,6,7,8,9] this->cache()->lPush('list', 2);//左边进 $r=$this->cache()->rPop('list');//右边出 token登陆令牌 这是我最常用的一个场景
94320编辑于 2022-09-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号