一亩三分地

机器学习基于 SKEP 模型实现观点抽取

SKEP 通过情感知识增强型而得到的预训练的 transformer 模型，能够更好的用于情感分类场景。该模型如下图所示： SKEP 模型掩码策略称为 Hybrid Sentime...

机器学习基于 svm、朴素贝叶斯、albert 文本分类

目标是构建一个基于向量的问答检索系统，即：问题和答案是固定的数据集，通过将用户输入的问题编码为向量，在向量数据库中匹配最相似的问题，并返回问题对应的答案。 实现时，希望能够对输入的...

机器学习SpanBERT

SpanBERT 是一个为了能够更好的表征和预测一个范围的文本的模型。Bert 模型是通过随机掩码一些 token 来对模型进行预训练，而 SpanBERT 不同的是，它通过随机掩...

Linux C/C++Linux Epoll IO 模型

Epoll IO 模型是 Linux 中用于 I/O 多路复用的机制，可以用于监听多个文件描述符上的事件，以及非阻塞地等待这些事件的发生。其工作机制大致如下： 首先，初始化一个 E...

Linux C/C++Linux Socket API 用法详解

linux 在进行网络应用程序开发时，常用到以下的 linux 网络 API： socket()：用于初始化一个新的套接字 bind()：用于将套接字与一个本地地址绑定 liste...

Linux C/C++Linux Select IO 模型

在 Linux 下，select 函数通常用于多路复用 I/O，可以同时监视多个文件描述符的状态，当其中任何一个文件描述符准备就绪时，select 函数就会返回。 通过同时监控多个...

Linux C/C++FFmpeg AVPacket

本篇简单介绍下，如何从输入多媒体中读取或者写入一帧数据。由于我们并没有进行编解码操作，这里的读写操作都是编码后的数据。在 FFmpeg 中每一帧数据是由 AVPacket 来表示。...

Linux C/C++FFmpeg AVCodecContext

当我们打开一个多媒体文件时，FFmpeg 会用 AVCodecContext 结构体来存储文件的一些信息和参数，用于后续对文件的一系列操作。本篇就简单介绍下，如何使用 FFmpeg...

Linux C/C++FFmpeg Hello World

FFmpeg 是一个功能强大、开源的音视频处理工具，可以满足用户在音视频处理方面的各种需求。可以用于录制、转换、编辑、播放和流媒体处理等。它是一个跨平台的工具，支持 Windows...

机器学习直方图均衡化（Histogram Equalization）

图像对比度越高，我们的眼睛对图像细节就更容易识别，此时，图像直方图则在整个像素值范围内（0-255）分布比较均匀，也表明了图像使用了更多的灰度级别，图像的细节表现的更好。对比度较低...

机器学习模型量化（Quantization）

机器学习Python face_recognition Package

face_recognition 是一个基于 dlib 库的人脸识别工具包。主要包括： 标注人脸位置 计算人脸特征 人脸信息编码 人脸信息匹配 该 Python 工具包使用起来也比...

机器学习OpenCV 形态学转换

图像形态学是根据图像的形状进行的操作，它可以从图像中提取出用于表示图像形状最基本的信息，使得计算机能够更好的理解和识别图像信息。 形态学操作一般针对的是二值图像进行操作。这里简单说...

Linux C/C++C++ Web Framework Oat++ Controller

前面的例子中，每一个请求的 URL 都对应了一个 HttpRequestHandler 类，并实现该类中 handle 函数，如下代码： 如果我们设计更多的 URL 就需要写更多的...

Linux C/C++C++ Web Framework Oat++ Component

在前面例子中，我们在 run 函数中定义一系列需要的组件。这就使得对象的初始化工作和业务代码耦合在一起，如下代码： Oat++ 提供了两个宏 OATPP_CREATE_COMPON...

Linux C/C++C++ Web Framework Oat++ DTO

在请求 URL 时，我们希望返回 json 格式的数据。Oat++序列化的格式是由 Object Mapper 来定义的。使用步骤如下： 定义 DTO 数据类，并在该类中定义数据字...

Linux C/C++C++ Web Framework Oat++ Hello World

Oat++ 是一个开源的 C++ Web 开发框架，接下来通过几篇文章了解下该框架的工作过程以及使用方法。文章主要内容包括： Oat++ 安装过程 Oat++ 基本使用 Docum...

机器学习YOLO V1

YOLO 模型是一种 one-stage 的目标检测方法，相较于 two-stage 的 R-CNN 目标检测方法速度更快，更加适合实时物体检测场景。我们通过以下几个方面来了解下算...

机器学习空间金字塔池化（SPP）

我们在做图像分类任务时，会输入想通尺寸的图像到 backbone 网络中提取图像特征，然后接一个全连接层来得到输出分数。那么，如果输入图像尺寸不同，那么输入就无法输入到后续的全连接...

机器学习卷积层替换全连接层

在 CV 中，我们常见的任务就是对输入的图像进行分类。在分类层常见的形式是 backbone 特征提取网络之后接一个或多个全连接层来得到标签分数。我们可以用卷积层来代替全连接层。接...