DOCUVIX的博客

仅仅作为本公司的一个方案备选。钉钉应用分类方案一：创建企业内部应用，制作一个机器人。优点：开箱即用，支持单聊会话互动，群聊@互动等场景，只需要配置好接口机器人则会将消息和相应传出，回复类型基本够用。缺点：第三方应用暂时下线，只能企业内部使用，不支持企业内部群以外的群，无法获取客户信息。解决方法：通过把客户拉进对应的组织架构。场景：有一天出现运维问题，我们内部人员将客户的问题@一下群中的机器人（或者单独私聊机器人），机器人及时响应回复，我们的人员判断该解决方案是否可行，可行则转发给用户。...

最近顾着在源码架构上下功夫，现在回过头来发现自己在图像标注上存在不少问题，重新了解了一遍标注上的原则后，进行一个规范设计的假象最早我训练坏了的模型，恰恰就是因为在标注的时候使用了旋转了90°的图片，然后才发现这样标注是不会识别出正向的。类似这种的如果以这种图片去训练的话是不能识别出正向的照片的。但是用户拍照过来的也不一定是正的，因此这里有个坑要解决也就是说，我们需要在四个旋转纬度都要标注然后测试过斜着拍也是能识别的，这部分的话就不用担心然后网上查找了一下相关的资料，除了在训练参数上

首先我们先看看实现人脸识别的数据流向可以看到所需写的接口有两个，一个是注册接口，一个是登录接口。注册接口除了普通注册所需的json信息外，还需要一个自拍的照片。登录接口只需要一张自拍即可。然后再看看我们DDD的架构若不增加实体，新增接口需要修改的是Contorller,Application,Domain三个层，Contorller层只提供接口，Application层只负责Domain层方法的调用和参数的传递，Domain层主管领域业务逻辑，要实现人脸识别需要在此调用外部接口，对接人脸库。

因为训练用的电脑是本地的无法穿透内网,所以打算用云服务器的cpu进行模型的预测首先Linux安装anaconda一、官网下载地址：https://www.anaconda.com/distribution/存放进linux服务器中，用bash命令安装，出现yes/no打yes即可安装完成后输入conda -V查看安装成功与否接下来开始安装tensorflow的包首先先用conda创建一个环境conda info -econda create --name tensorflow2_e

因为最早我们是打算整个平台都用python写的，但是经过商量后得出结论，不应该跳出微服务框架另起炉灶，因此得出结论：登录注册使用原本已经写好的服务，并以添加功能的方式在原有服务上进行代码的增加，对接python写好的百度人脸识别，python功能只提供参数，.net服务管理逻辑。在注册上的设计如下：普通进行注册后，选择人脸录入，除了返回账号密码等基础信息外，提供图片给后台，除了用户id和用户组id，图片以文件流的方式将图片转发给python人脸识别功能模块，不进行本地保存。将iformfile对象类

内部业务，记录一下过程1、首先将解决方案文档用数字-项目名缩写重命名排序，方便标签命名，并新建一个文件夹保存报错截图2、打开其中一个解决方案文档3、将里面的图另存出来并单独截取成如下报错截图4、另存到报错截图文件夹中，并重命名为解决方案文件同名5、点开图片，在不同的背景下用连拍拍不同角度6、新建一个文件夹，重命名为数字+项目缩写前缀（如“12-X9-无效参数：separationMethod.Name：Qrcode”重命名为“12-X9”）将图片全部存入进去7、打开lableme软件

【AI研发日记】关于PB模型转换的那些坑最近终于有空解决一下历史遗留问题，之前训练的目标检测出来的都是keras格式的H5模型文件，网上找了一堆方法都不能转换，今天终于发现了问题所在。之前转换格式报的错：No model found in config file没有找到模型的配置文件，百度了一轮后，突然发现了可能是模型训练保存时候的问题关于h5模型的加载和保存我们知道keras的模型一般保存为后缀名为h5的文件，比如final_model.h5。同样是h5文件用save()和save_weigh

根据昨天训练一晚炼丹出来的结果，选取模型炼出来很多丹药啊，我们只需要选取验证集损失较低的模型进行预测即可验证集损失较低不代表mAP较高，仅代表该权值在验证集上泛化性能较好，因此还得要验证一下，运行get_map.py，得出以下结果：可以看到验证集基本置信度都为1，因此这个模型是可以使用的。验证完成就可以开始进行预测了！我们写了一个简单的demo进行预测，通过识别出来的label链接图数据库返回对应的解决方案，代码如下：import tkinter as tkimport osfrom tk

千里之行，始于足下，我们ai研发用例使用的数据来源于neo4j，因此需要明白如何使用python对neo4j的数据进行调用，其中涉及到了cql的拼接，故作笔记neo4j图数据库中基本基础元素与概念1 元素基本节点（Node）表示一个实体记录、就像关系数据库当中一条记录。一个节点包含多个属性和标签。关系（Relationship）关系用于将及诶单关联起来构成图，关系也称为图论的边（Edge）。属性（Property）节点和关系都可以有多个属性，属性是由键值对组成的，就像java当中哈希标签（