人工智能

CBAM(Convolutional Block Attention Module)C B A M CBAM CBAM注意力机制模块他本来的名字是卷积注意力机制模块 − C o n v o l u t i o n a l B l o c k A t t e n t i o n M o d u l e -Convolutional Block Attention Module −ConvolutionalBlockAttentionModule，该注意力机制是Sanghyun Woo等人在2018年在论文CBAM: Convolutional Block Attention Module提

汗流浃背了吧，老弟！

基于 BERT 模型实现命名实体识别（NER）任务本项目实现了一个基于BERT（Bidirectional Encoder Representations from Transformers）的中文命名实体识别系统。该系统能够从中文文本中自动识别并提取四类命名实体：

兔兔爱学习兔兔爱学习

DeepSeek-OCR及其他主流OCR调研DeepSeek-OCR 原理 DeepSeek-OCR模型，整个模型大小在3B。 DeepSeek-OCR的提出，是为了探索，是否可以通过视觉模态进行文本信息的高效压缩，也就是把文档内容，用图像Token表示，其Token数量会远小于原始文本Tokens数， 1w字，可能需要5000个Token，但用图像来表示，可能只需要512 个 Token。 DeepSeek，是在想用图像视觉压缩文本。

小白从零开始勇闯人工智能：计算机视觉初级篇（OpenCV进阶操作(上)）欢迎回来，我们已经掌握了OpenCV的基础操作如读取、显示和裁剪图像，现在我们将共同探索更高级的视觉处理技术。计算机视觉不仅仅是“看”图像，更是深入理解其内容、提取关键特征并进行分析的过程，这类似于人类通过眼睛观察世界并由大脑解析信息，而OpenCV正充当了计算机的“眼睛和大脑”。本文我们将学习图像金字塔、图像直方图、透视变换，这些技术是计算机视觉的基石，广泛应用于图像拼接、物体识别等关键领域。

科学计算技术爱好者

NVIDIA GPU 系列用途分类梳理随着深度学习、科学计算、渲染、可视化以及边缘计算的发展，NVIDIA 推出了多个面向不同场景的 GPU 系列产品，如 RTX、A 系列、H 系列、L 系列、Blackwell 系列等。理解这些系列的定位、架构基础与使用场景，有助于在系统设计、软硬件采购及调优中做出精准选择。

AI自动化测试落地指南：基于LangChain+TestGPT的实操实现与效能验证一、引言：从“理论赋能”到“实操落地”的AI测试转型需求当前AI测试相关文章多聚焦趋势与优势，却极少提供可复现的实现路径，导致多数开发者“知其然不知其所以然”。某调研机构对200家中小企业的问卷显示，78%的测试团队有引入AI测试的意愿，但因缺乏具体落地方法，落地率不足15%[1]。本文以“Python项目单元测试自动化”为场景，基于LangChain框架与TestGPT工具，提供从环境搭建、脚本开发到效能验证的全流程实操方案，配套真实实验数据与问题解决方案，助力测试人员快速落地AI自动化测试。

数说星榆181

音乐创作新生态：AI作曲与个性化音乐体验人工智能技术与音乐艺术的深度融合，正推动作曲领域迎来效率与创造力的双重革命。从早期基于规则的旋律生成工具到如今具备多模态感知能力的智能创作系统，AI作曲在技术架构、生成质量与应用场景上实现了跨越式发展，逐步从实验室走向产业化应用，重塑音乐创作的底层逻辑。

源创力环形导轨

环形导轨：自动化生产线的核心传输解决方案在工业自动化蓬勃发展的今天，高效、精准、可靠的物料传输系统是提升生产效率、保证产品质量的关键。作为自动化生产线中实现循环、间歇或连续运动的核心部件，环形导轨系统凭借其独特的结构设计与卓越的性能，正在成为众多高端制造领域的首选。宁波源创力自动化科技有限公司深耕自动化领域，致力于为客户提供先进的环形导轨系统集成方案，助力企业实现智能化升级。

不会飞的鲨鱼

腾讯录音文件语音识别 python api接口官方文档：https://cloud.tencent.com/document/product/1093/37823

豆包的深入研究的浅析-应用于股市投顾以下多豆包的“深度研究”工具进行表现研究。用户先发起对话，AI对话题进行识别，并对话题进行确认。对北向及主力资金流向进行搜索

“日志抓不到”到“全链路可追溯”：一次 Android 系统级日志体系的工程化实践在实际项目中，我们经常会遇到这样的问题：❌ 问题难复现：客户现场偶发问题，回传日志不完整❌ Kernel / Logcat / 网络日志割裂：信息分散，无法关联分析

深度学习-使用块的网络VGGVGG由牛津大学视觉几何组（Visual Geometry Group）的研究员Karen Simonyan、Andrew Zisserman于2014年提出，并发布于论文《Very Deep Convolutional Networks for Large-Scale Image Recognition》。该网络在 ILSVRC-2014（ImageNet大规模视觉识别挑战赛，ImageNet Large Scale Visual Recognition Challenge）上获得了第二名，虽不敌当时的

陈天伟教授

人工智能应用-机器视觉：AI 鉴伪 07.虚假图片鉴别不论是从无到有的人脸合成，还是利用 Deepfake 进行换脸，这些合成的图片和视频已经逼真到肉眼难以分辨的地步。然而，这并不意味着这些伪造图片毫无破绽。事实上，尽管 AI 生成的图片在整体上看起来非常逼真，但在细节上仍然存在明显的缺陷。

珠海西格电力

零碳园区如何实现能源互联在“双碳”目标纵深推进背景下，零碳园区已从单一能源替代迈向多能协同的高阶阶段，而能源互联正是打通各类能源壁垒、实现全域零碳运营的核心纽带。不同于传统能源系统的分散运行模式，零碳园区能源互联以“源网荷储协同、多能互补耦合、数字智能调控”为核心，通过物理网络融合与数据链路贯通，让光伏、风电、氢能、余热等各类能源要素自由流动、高效配置，最终构建安全、高效、低碳的一体化能源生态体系。

SamOut 架构数学证明：cusmax + 卷积 vs Softmax 注意力本文从数学角度严格证明 SamOut 架构（cusmax + 卷积）相比传统 Softmax 注意力机制在计算复杂度、并行化能力和内存效率方面的优势。通过理论分析和数学推导，我们证明 SamOut 架构在保持模型表达能力的同时，实现了显著的性能提升。

小程故事多_80

从14.3%到94.3%，破解Agent联网搜索“噪声致幻”的核心密码在人工智能技术飞速迭代的今天，智能体（Agent）接入开放网络搜索（Open Web Search）已经成为常态。无论是智能客服解答用户复杂问题，还是科研助手搜集前沿学术资料，亦或是日常助手响应生活服务需求，Agent都需要通过联网获取实时、海量的信息来支撑决策与回答。而检索增强生成（RAG）系统作为Agent联网能力的核心支撑，其性能直接决定了智能体输出结果的质量。

游戏化机器人数据采集：以Franka Research 3为核心的RoboCade创新实践在当今的机器人研究领域，通过人类演示进行模仿学习（Imitation Learning）已成为训练自主机器人策略的主流方法。然而，构建高质量的演示数据集面临着巨大的成本挑战：它不仅需要昂贵的硬件设备，还需要操作员进行长时间、枯燥的重复劳动，这极大地限制了训练数据的规模。

Qt 控件美化与交互进阶：透明度、光标、字体与 QSS 实战🎬 博主简介：Qt 控件的核心魅力不仅在于功能实现，更在于通过属性配置打造美观且易用的界面。从窗口透明度、鼠标光标，到字体样式、CSS 美化，这些属性直接决定界面的视觉效果和用户体验。本文聚焦 QWidget 的 6 个高阶属性（windowOpacity、cursor、font、toolTip、focusPolicy、styleSheet），通过实战代码拆解用法，帮你快速掌握 Qt 控件的美化与交互优化技巧，让界面从 “能用” 升级到 “好用又好看”。

待磨的钝刨

目标检测三大技术路线综述：Proposal-based, Anchor-based, Anchor-free目标检测算法的演进，本质上是围绕如何高效、准确地定位目标这一核心问题展开的。目前主流的深度学习目标检测方法可以划分为三大技术路线。

在AI时代，个人和企业应从“追求效率”转向“追求独特性”言语道断，因果自现——陈天桥心中的 AGI 文章来源于https://mp.weixin.qq.com/s/ZBDMdoTeg9JRg4yfzBSTFg