可以个性化的网盘与相册服务 PDS

什么是PDS

在正式开始测评PDS之前,首先来了解一下什么是PDS。PDS 网盘与相册服务(Drive&Photo Service)字面意思理解也就是为企业或者个人提供网盘与相册管理服务,致力于为客户提供快速高效的构建可支撑海量用户的网盘与相册服务,同时针对团队及个人用户,支持免开发开箱即用。PDS的官网地址:https://www.aliyun.com/product/storage/pds
在这里插入图片描述

企业版

在体验之前,我首先查阅了网盘与相册服务PDS的官方文档,文档地址:https://help.aliyun.com/document_detail/213019.html 这里先说一下文档,文档分为开发者版和企业版,开发者版主要为开发者提供服务面、管理面的REST API,基于API提供了主流语言的SDK和Widget,同时提供了一些开箱即用的基础UI应用。企业版主要是为企业提供多种文件管理功能、丰富的文件传输能力、完善的安全及权限管理能力、智能化文件处理能力等。

企业网盘

企业网盘分为管理端和用户端,在管理端可以看到会有一些基础的管理配置,比如说团队管理、安全策略、企业设置等,作为后端管理平台。

团队管理

我首先感受了团队管理,目前看到的团队管理的层级应该是够用了,目测团队应该是可以无限添加的,整个团队管理的UI设计操作上也比较顺手。
在这里插入图片描述
选择菜单【团队管理】,选中需要添加子团队的团队名称【部门7】点击右侧【+】按钮,输入团队名称【部门8】,同时支持为当前团队分配团队空间,整体操作比较顺畅,符合日常操作习惯。

用户管理

用户管理直接和团队管理融合,分配在具体的团队树级目录下,方便管理。同时支持为当前选中的部门添加用户,有以下三种方式:
添加用户至该团队
在这里插入图片描述
新建用户 同样支持为用户分配个人空间,同时可以为用户设置有效期,比较适合临时用户的场景
在这里插入图片描述
导入用户 支持三种文件格式的用户数据导入团队,方便大批量添加用户,同时提供导入模板可以直接下载
在这里插入图片描述

安全策略

网盘与相册服务PDS企业网盘同时还支持对用户端分享内容的审查管理,可以在后台直接取消用户端用户的分享行为,保证文件安全
在这里插入图片描述

企业设置

支持通过【标准定制】为企业设置自定义域名,同时支持为企业设置权限模板,控制权限
在这里插入图片描述

文件设置及其他设置

同时企业网盘也支持控制用户端上传文件类型、大小、下载方式等,支持开启全球加速,查阅历史版本,在线解压,存储加密相关功能,可以说作为网盘该有的功能以及安全保障,都可以通过网盘管理端的配置来搭配实现。
在这里插入图片描述

专属登录配置

搭建的企业网盘支持多种方式的登录配置,包括钉钉登录、企业微信等多种三方登录认证方式,方便用户登录操作
在这里插入图片描述

使用建议

这里企业网盘的后端有设置权限模板的地方,但是对应的权限模板与角色的绑定关系并没有看到,另外目前也就有两个角色可供选择,希望后续对于网盘这一块可以有角色权限相关联的操作以及增加角色的相关操作,从而让权限更灵活,权限粒度更细
在这里插入图片描述

企业网盘用户端

通常来说网盘用户端对文件的操作也就是上传、下载、分享等,这里可以看到基于网盘与相册服务PDS搭建的企业网盘可以很方便的上传文件或者文件夹
在这里插入图片描述
同时支持文件夹及文件的分享、下载、移动、复制、重命名等多种操作
在这里插入图片描述
另外对于大文件的上传,目前看到网盘支持最大同时上传2个文件
在这里插入图片描述
希望后期可以在大文件上传提速以及支持多个文件同时上传这块提供个性化文件同时上传设置。
另外对于网盘服务提供了可编辑文件的在线编辑功能
在这里插入图片描述
支持多人共享,共同编辑,方便在线协作,支持自动保存至云端,很方便。
在这里插入图片描述
另外对于删除的文件有回收站功能,方便想恢复时及时恢复文件
在这里插入图片描述

开发者版

体验了企业版的基于网盘与相册服务PDS的企业网盘服务,下面我们来开通开发者版体验一下,开通网盘与相册服务PDS在之后跳转到控制台:https://pds.console.aliyun.com/cn-hangzhou/index
在这里插入图片描述
点击【去创建域】-【去创建】输入域名称点击【确认】,输入短信验证码
在这里插入图片描述
点击创建的域列表右侧【详情】打开域详情页
在这里插入图片描述
选择【用户体系】点击【配置】为当前域开启用户登录体系。
点击【应用列表】选择【BasicUI】点击右侧【允许访问】
在这里插入图片描述
点击【进入管理】跳转到网盘管理后台页面,也就是我们一上来就体验的基于网盘与相册服务的企业网盘的管理后台页面
在这里插入图片描述
新建用户test001用于后续测试登录
在这里插入图片描述
以及刚才体验的企业网盘的用户界面
在这里插入图片描述
到这里发现是不是基于网盘和相册服务PDS提供的官方应用可以2分钟就搭建一个集后台管理与用户端展示的企业网盘呢。
到这里同样你也可以把你搭建好的网盘提供给用户来使用
在这里插入图片描述
点击【通用登录】输入手机号,通过验证码登录
在这里插入图片描述
到这里整个网盘与相册服务PDS开发者版开通服务,基于官方应用搭建网盘的操作就完成了,整个操作基本没有什么疑问,可操作性很强,也很容易上手。

体验感受

整体对于网盘与相册服务PDS的操作和通用的网盘操作没有太大差异,操作上比较容易上手,可以节约学习成本。在搭建网盘服务上可以基于官网提供的应用来搭建,效果也很好。目前官方提供的应用比较少
在这里插入图片描述
希望后续可以提供更多的企业场景下比较有用的应用,从而节约开发时间,促进企业更好上手。另外就是关于计费这一块,目前PDS在存储、流量、用户服务只支持按量付费,希望后续可以提供资源包或者包年包月套餐,这样方便购买同时也可以节省企业开支。
在这里插入图片描述
另外需要肯定的是对于基于PDS网盘服务的可靠性是完全放心的,官方有明确的描述
在这里插入图片描述
最后就是关于测评方向中提到的PDS支持对图片的标签、人脸、自动识别;对图片、视频的拍摄时间、地点等元数据提取;相同人脸的自动聚类,个人在实际操作中还未找到,希望后续可以提供这方面的操作文档,方便用户操作。

活动推广:https://developer.aliyun.com/huodong/dashiblogger?userCode=fkssw94w

  • 49
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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

打赏作者

csdn565973850

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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