【2017年圣诞特辑】普元数字化企业云平台技术文章合集

本文转自微信号EAWorld。扫描下方二维码,关注成功后,回复“普元方法+”,将会获得热门课堂免费学习机会!本文转自微信号EAWorld。本文转自微信号EAWorld。扫描下方二维码,关注成功后,回复“普元方法+”,将会获得热门课堂免费学习机会!本文转自微信号EAWorld。

编者按
2017年普元秉承InsideOut研发开放计划,继往开来,以己为始,持续向上。本年度圣诞专属特辑,以普元四条产品线大数据治理,DevOps,微服务,移动开发以及新技术趋势为主线,总共汇集了普元28位技术专家今年在各自技术领域专长的总结经验和心得体会。编者希冀在“双旦”来临之际,与读者一同分享这份难能可贵的“技术礼物”。

新技术
《人工智能与软件架构》焦烈焱
《区块链技术的本质是分布式数据库》焦烈焱
《区块链的业务价值是通过数据共享降低信任成本》焦烈焱
《区块链与微服务天生是一对》焦烈焱

微服务
《微服务的持续集成,四步“构建”一个代码世界》叶婉婷
《元数据如何驱动微服务报文架构?》姚重阳
《微服务架构下的安全认证与鉴权》王海龙
《微服务的4个设计原则和19个解决方案》郝炎峰
《微服务来了,配置怎么办?》郝炎峰
《服务都微了,编排怎么整?》 田向阳
《详解Spring Boot 自动配置机制》 虎振东

大数据治理
《业务元数据管理——洞悉数据背后的业务含义》 龚菲
《业务创新,没有大数据治理怎么行?》朱瑞
《解密普元大文件传输核心技术》 杨波
《浅谈自服务的大数据治理在企业数字化转型中的妙用》王轩
《建设大数据平台,从“治理”数据谈起》王轩
《大数据治理关键技术解析》吴艳伟
《浅谈利用元数管理平台自动化管理指标的方法》龚菲
《浅谈制造业主数据项目解决方案》王诗岸
《读国学经典,悟数据治理之道》龚菲
《数字化转型中的自动化大数据治理》王鹏
《以自动化为核心的自服务大数据治理》王轩
《数据质量问题是“技术”问题还是“业务”问题?》刘庆会

DevOps
《建设DevOps统一运维监控平台,先从日志监控说起》 王海龙
《建设DevOps统一运维监控平台,全面的系统监控你做好了吗?》王海龙
《DevOps转型陷阱与核心实践指南》胡帅
《DevOps平台中的自动化部署框架设计》许二虎
《DevOps是MindSet:工具也好,文化也罢,人员才是关键》胡帅
《支撑企业IT精益运营:普元DevOps平台实践之路》王海龙
《给DevOps打上最佳实践的标签》顾伟
《敏捷过程中如何保证代码质量》田新会
《AIDevOps离我们有多远?》胡帅
《容器时代的DevOps部署》秦双春
《自动化工具后起之秀Ansible的部署实践》张子康
《警惕文化空谈的陷阱,落地DevOps工具才是关键》宋潇男
《DevOps 5.0版本的150天历程》顾伟
《万达网络科技的DevOps平台架构解析》王海龙

移动开发
《微信小程序第一手实践分享》 黄家伟
《基于React Native的移动平台研发实践分享》郝振明
《使用TensorFlow搭建智能开发系统,自动生成App UI代码》郝振明
《智能化的Conversational UI是移动发展的一个趋势》郝振明
《生态型App的架构实践分享》郝振明
《移动应用的左膀右臂:持续集成与自动化测试》王俊其
《移动开发的跨平台实践及在企业中的应用》黄家伟
《微应用模式在集团企业移动信息化中的实践》刘磊

图片描述

(8月27日PWorld MeetUp DevOps专场合影)

图片描述

(9月24日PWorld MeetUp 微服务专场合影)

图片描述

(10月28日PWorld MeetUp 移动专场合影)

**图片描述**
(11月24日PWorld MeetUp 大数据专场合影)

关于EAWorld
微服务,DevOps,元数据,企业架构原创技术分享,EAii(Enterprise Architecture Innovation Institute)企业架构创新研究院旗下官方微信公众号。
扫描下方二维码,关注成功后,回复“普元方法+”,将会获得热门课堂免费学习机会!
微信号:EAWorld,长按二维码关注。

图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值