- 综合排序
- 最热优先
- 最新优先
- 来自专栏逸鹏说道
Semantic UI logo前端界面开发框架 Semantic UI
Semantic UI—完全语义化的前端界面开发框架，跟 Bootstrap 和 Foundation 比起来，还是有些不同的，在功能特性上、布局设计上、用户体验上均存在很多差异。 Semantic UI 特点： 文档和演示非常完善 易于学习和使用 配备网格布局 支持 Sass 和 LESS 动态样式语言 有一些非常实用的附加配置，例如inverted类。 Semantic UI 对浏览器的支持： Last 2 Versions FF, Chrome, IE (aka 10+) Safari 6 IE 9+ (Browser prefix only) Android https://github.com/tonyqus/Semantic-UI
2K70发布于 2018-04-09 - 来自专栏程序手艺人
移植WebRTC中的VAD
common_audio/vad/ ├── include │ ├── vad.h │ └── webrtc_vad.h ├── mock │ └── mock_vad.h ├── vad.cc ├── vad_core.c ├── vad_core.h ├── vad_core_unittest.cc ├── vad_filterbank.c ├── vad_filterbank.h ├── vad_filterbank_unittest.cc ├── vad_gmm.c ├── vad_gmm.h ├── vad_gmm_unittest.cc ├── vad_sp.c ├── vad_sp.h ├── vad_sp_unittest.cc ├── vad_unittest.cc ├── vad_unittest.h └── webrtc_vad.c webrtc的vad检测代码比较简洁， 核心代码只在三个文件中 webrtc_vad.c 用户调用的API函数，使用vad一般只需要调用该里面的函数即可 vad_core.c 是webrtc_vad.c 文件中函数的实现代码，也是
5.5K50发布于 2018-05-18 - 来自专栏JusterZhu
认识Semantic-kernel
1.概要 什么是Semantic-kernel？ Semantic Kernel（语义内核）是一个轻量级的SDK（软件开发工具包），旨在实现人工智能大型语言模型（LLM）与传统编程语言的集成。 Semantic-kernel支持哪些语言？ Semantic Kernel SDK 在 C#、Python 和 Java 中可用。要开始使用，请在下面选择您的首选语言。 https://github.com/microsoft/semantic-kernel.git 按照此处的说明进行操作 开源项目地址 https://github.com/microsoft/semantic-kernel Semantic Kernel可以做些什么？ 定制提示和建议：Semantic Kernel提供开箱即用的模板和链接，使开发者能够轻松地为其应用程序创建定制的提示和建议，从而增加用户的操作效率。 如何使用Semantic Kernel？
1.5K31编辑于 2023-09-22 - 来自专栏云上修行
使用Python进行语音活动检测（VAD）
、视频通话和点对点分享的技术，内置了一套高效的VAD算法）。 # 创建一个VAD对象vad = webrtcvad.Vad()# 设置其主动性模式，该模式是介于 0 和 3 之间的整数。 vad.set_mode(3)最简单的示例import webrtcvad# 可以在创建 VAD 时设置主动性模式，如下所示vad = webrtcvad.Vad(3)# 运行VAD在 16000Hz = webrtcvad.Vad() vad.set_mode(3) # 设置VAD的模式 audio, sample_rate = read_wave('your_audio_file.wav ') # 读取音频文件 speech_flags = vad_detect(vad, audio, sample_rate) # 运行VAD检测 # 处理结果 for flag in
9.7K10编辑于 2023-12-11 - 来自专栏云上修行
TS-VAD与Personal VAD：目标说话人语音活动检测技术深度分析报告
第一部分：TS-VAD技术分析一、技术背景与问题定义1.1 传统说话人日志的局限性传统说话人日志系统采用级联架构：语音活动检测(VAD) → 分段 → 说话人特征提取 → 聚类 → 重分段核心缺陷：单说话人假设 : 4.57%MIMO-TSVAD (2025)音视频融合任意✓✓VoxConverse: 4.18%第二部分：Personal VAD技术分析一、技术背景与问题定义1.1 标准VAD vs Personal VAD特性标准VADPersonal VAD目标检测所有语音仅检测目标说话人语音输入音频音频 + 目标说话人嵌入应用通用语音处理个性化语音助手、会议系统挑战噪声鲁棒性说话人区分 + 噪声鲁棒性1.2 优势：视觉信息完全不受其他说话人干扰无需额外的说话人注册过程支持实时跟踪四、TS-VAD与Personal VAD的关系4.1 技术统一视角TS-VAD = 多个Personal VAD并行 + 联合建模共同点 ）典型应用语音助手会议日志4.2 技术演进路径Personal VAD (单说话人) ↓ 扩展TS-VAD (固定N说话人) ↓ 改进TS-VAD++ (灵活N说话人) ↓ 融合MIMO-TSVAD
29010编辑于 2026-03-19 - 来自专栏walterlv - 吕毅的博客
语义耦合（Semantic Coupling）
语义耦合（Semantic Coupling） 发布于 2018-02-05 10:38 更新于 2018 我想到一个词——“语义耦合（Semantic Coupling）”，搜索发现也有很多小伙伴在关心这个问题。而且，从他们的文章和讨论中，我也了解到更多关于语义耦合的种类和危害。 但可能根本就是无效或重复的；或者使得某些用例变得不可测，例如上面例子中要求单元测试播放动画或者显示错误提示框是不合理的） 设计上不那么好看（至少对强迫症患者来说是这样） ---- 参考资料 The Perils of Semantic Coupling - Wide Awake Developers Semantic coupling in code - Alejandro Duarte 本文会经常更新，请阅读原文： https://walterlv.com/post/semantic-coupling.html ，以避免陈旧错误知识的误导，同时有更好的阅读体验。
98110发布于 2018-09-18 驱动开发：运用VAD隐藏R3内存思路
process ffffe28fbb451080得到VAD地址ffffe28fbe0b7e40 此处以0xf00000为例，这里我们看到windbg中的值和进程中分配的内存地址并不完全一样，这是因为x86 所以计算结果刚好等于0xf00000 而隐藏进程内特定内存段核心代码在于p1->EndingVpn = p2->EndingVpn;将VAD前后节点连接。 PMMVAD p1 = vad_enum((PMMVAD)VadRoot, 0x3a0); // 遍历第一个结点 PMMVAD p2 = vad_enum((PMMVAD)VadRoot, 0x3b0)
60310编辑于 2022-12-28- 来自专栏计算机视觉理论及其实现
DSNet:Joint Semantic Learning for Object
近五十年来，基于卷积神经网络的目标检测方法得到了广泛的研究，并成功地应用于许多计算机视觉应用中。然而，由于能见度低，在恶劣天气条件下检测物体仍然是一项重大挑战。在本文中，我们通过引入一种新型的双子网(DSNet)来解决雾环境下的目标检测问题。该双子网可以端到端训练并共同学习三个任务：能见度增强、目标分类和目标定位。通过包含检测子网和恢复子网两个子网，DSNet的性能得到了完全的提高。我们采用RetinaNet作为骨干网络(也称为检测子网)，负责学习分类和定位目标。恢复子网通过与检测子网共享特征提取层，采用特征恢复模块增强可见性来设计。实验结果表明我们的DSNet在合成的有雾数据集上达到了50.84%的mAP，在公开的有雾自然图像数据集上达到了41.91%的精度。性能优于许多最先进的目标检测器和除雾和检测方法之间的组合模型，同时保持高速。
3.5K21编辑于 2022-09-02 - 来自专栏AIUAI
语义分割 - Semantic Segmentation Papers
语义分割类的论文与代码汇总 逐渐迁移到搭建的博客上 - AIUAI - www.aiuai.cn 新地址 - 语义分割 - Semantic Segmentation Papers Semantic Segmentation Convolutional CRFs for Semantic Segmentation - 2018 [Paper] [Code-PyTorch] ContextNet: Representation in Semantic Segmentation - 2018 [Paper] Fully Convolutional Adaptation Networks for Semantic Dynamic-structured Semantic Propagation Network - 2018 - CMU [Paper] ShuffleSeg: Real-time Semantic Segmentation Convolution Network for Semantic Segmentation-2016 [Paper] Deep Structured Features for Semantic Segmentation
1.6K31发布于 2019-02-18 - 来自专栏.Net Core技术分享
semantic kernel调用ollama接口
在前面的内容里面分享了如何使用OllamaSharp访问ollama接口，今天分享如何使用Semantic Kernel来访问ollama接口。 关于Semantic Kernel Semantic Kernel（SK） 是一款模型无关的SDK，能够帮助开发者快速构建、编排和部署AI代理及多代理系统。 地址：https://github.com/microsoft/semantic-kernel 为什么使用SK？ chatHistory用来存储会话历史 在while循环中进行对话，同时将user和assistant的对话内容临时存储在chatHistory中 总结 以上就是今天分享的全部内容，主要介绍如何使用semantic
47610编辑于 2025-04-09 驱动开发：内核遍历进程VAD结构体
程序中的代码段，数据段，堆段都会各种占用一个或多个VAD节点，由一个MMVAD结构完整描述。VAD结构的遍历效果如下:图片那么这个结构在哪？ 图片VAD结构是如何被添加的？通常情况下系统调用VirtualAllocate等申请一段堆内存时，则会在VAD树上增加一个结点_MMVAD结构体，需要说明的是栈并不受VAD的管理。 图片当需要得到该进程的VAD结构时，只需要使用!vad ffffe28fbb0860c0 + 0x658来显示该进程的VAD树。图片至于获取VAD有多少条，则可以直接使用! = { 0 };vad.nPid = 4520;// 默认有1000个线程vad.nSize = sizeof(VAD_INFO) * 0x5000 + sizeof(ULONG);// 分配临时空间 vad.pBuffer = (PALL_VADS)ExAllocatePool(PagedPool, vad.nSize);// 根据传入长度得到枚举数量ULONG nCount = (vad.nSize
96310编辑于 2022-11-18驱动开发：运用VAD隐藏R3内存思路
process ffffe28fbb451080得到VAD地址ffffe28fbe0b7e40图片此处以0xf00000为例，这里我们看到windbg中的值和进程中分配的内存地址并不完全一样，这是因为x86 图片所以计算结果刚好等于0xf00000图片而隐藏进程内特定内存段核心代码在于p1->EndingVpn = p2->EndingVpn;将VAD前后节点连接。 PMMVAD p1 = vad_enum((PMMVAD)VadRoot, 0x3a0); // 遍历第一个结点PMMVAD p2 = vad_enum((PMMVAD)VadRoot, 0x3b0);
85030编辑于 2022-12-20- 来自专栏机器学习实践二三事
Fully Convolutional Networks for Semantic Segmentation
(contex)较少，且极端耗时 FCN的做法是训练一个end-to-end的网络，做pixel-wise的prediction，使用ground-truth作为监督信息，预测label map，实现semantic
1.1K80发布于 2018-01-02 - ) } See full instruction: https://react.semantic-ui.com /collections/form/#usage-capture-values Reference https://react.semantic-ui.com/modules/modal/#types-shorthand来自专栏szhshp 的第四边境中转站
React Semantic UI-CheatSheet
Get Dropdown/Selector Value Example `onChange` Template Confirm as Modal Tags: React, CSS, Modal, Semantic Button with on click event No Button without any binded event Get Dropdown/Selector Value Tags: React, Semantic value, selected option, dropdown event.target.value is undefined from event:onChange of Dropdown in Semantic submittedName, submittedEmail }, null, 2)}
55730编辑于 2022-09-21
MOB LEC7 Semantic Segmentation
Problem Formulation pixel-level prediction Challenge of Semantic Segmentation General vision challenges Segmentation with DNN Semantic Segmentation for Scene Understanding RANSAC algorithm boundaries
论文阅读–Semantic Grouping Network for Video Captioning
Semantic Grouping Network for Video Captioning abstract 提出了Semantic Grouping Network(SGN)网络： 用部分已经解码的字幕中 Semantic Grouping Network 结构：Visual Encoder、Phrase Encoder、Semantic Grouping、Decoder、Contrastive Attention Phrase Encoder 处理单词为短语 接受部分已解码的标题，并生成由标题中的一组单词组成的短语（组合单词生成短语） Semantic Grouping 分组（视频帧+筛选后短语） 过滤出相似的短语
大模型应用框架之Semantic Kernel
什么是Semantic Kernel？ Semantic Kernel是一个开源SDK，可以轻松地将OpenAI和Hugging Face等人工智能服务与C#和Python等编程语言相结合。 Semantic kernel 的 基本原理 和Langchain类似， Semantic Kernel 同样使用流水线的形式提供AI 编排。 如果在语义函数中调用原生函数， 一般会使用语义函数装饰器来修饰原生函数以便Semantic kernel 可以识别。此外，原生函数可以路由方式访问Semantic kernel 。 以一个四则运算的plug-in为例，转换原理如下： Semantic kernel 为其plug-in 的转换提供了模版和工具，例如semantic-functions-generator，转换步骤如下 3.在Semantic Kernel或ChatGPT中测试插件。 Semantic Kernel 还提供了一些工具类型的plug-in，可以在工程中直接使用。
Z-VAD-FMK 别名：Z-VAD(OMe)-FMK; Z-Val-Ala-Asp(OMe)-FMK; 氟甲基酮（AbMole）
Z-VAD-FMK是一种细胞渗透性的、不可逆的广谱半胱天冬酶抑制剂。它是生物医学研究中用于抑制细胞凋亡的关键工具分子。 这使得Z-VAD-FMK能够进入Caspase酶的活性中心，并与特定的氨基酸残基通过氢键、范德华力等相互作用进行结合。 Z-VAD-FMK作为一种广谱抑制剂，能够同时抑制这两条通路下游的绝大多数Caspase，从而阻止细胞的凋亡进程。 实验与应用在科学研究中的应用Z-VAD-FMK是研究细胞死亡，特别是细胞凋亡的核心工具。鉴定细胞死亡方式： 当观察到细胞死亡时，研究人员会使用Z-VAD-FMK进行处理。 如果细胞死亡主要通过坏死、焦亡或铁死亡等途径进行，Z-VAD-FMK将无法提供保护。
Semantic Reasoning frameworks for robotic systems，A survey
paper：https://doi.org/10.1016/j.robot.2022.104294
语义版本号（Semantic Versioning）
语义版本号（Semantic Versioning） 发布于 2018-04-12 12:20 更新于 2018 beta 1.0.1-alpha2 1.0.1-alpha 1.0.1-aaa NuGet 4.3.0 以上，并且 Visual Studio 2017 的 15.3 以上版本开始支持语义版本号 2.0（Semantic 如果希望自动化地在项目中生成语义版本号，可阅读我的另一篇博客 使用 GitVersion 在编译或持续构建时自动使用语义版本号（Semantic Versioning）。 ---- 参考资料 Semantic Versioning 2.0.0 - Semantic Versioning Semantic Versioning & auto-incremented NuGet Versioning 2.0.0 本文会经常更新，请阅读原文： https://walterlv.com/post/semantic-version.html ，以避免陈旧错误知识的误导
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