云计算:下一百年的商业平台

走近云端

云计算是 IT 的未来,然而很多人还停留在对其概念、内涵以及发展趋势等底层、初级问题的探讨上。正所谓天边有朵雨做的云,像雾像雨又像风。

云计算很美,很飘逸,也很虚拟化。为了讲清这个概念,我想借用近年兴起的“拼车族”概念做个比喻。“拼车族”拼的是车,云计算拼的是服务器,它们之间有着惊人的相似点。月光族上班没有车,几个人就会与有车族一起拼车上下班,这样往小处说是为了使上班更舒服,往大处说,可以节约能源、减轻污染、缓解道路拥挤。而我们讲到云计算,拼的是服务器和资源,往小处说是为了提升企业在硬件和服务方面的支出费用,往大处说也是节约资源,缩减不必要的浪费,缓减带宽拥挤问题。所以,云计算是一种资料的合理共享。就像一百年前大家使用电力,都是从自己的地下室发电,到今天只需建立几个大发电厂,大家使用电力根本无需考虑电是从哪里来的,云计算就是这样。

言归正传,云计算其实是一种新型的计算模式,能够把 IT 资源、数据、应用作为服务通过互联网提供给用户;同时,云计算也是一种新的基础架构管理方法,能够把大量的、高度虚拟化的资源管理起来,组成一个庞大的资源池,统一提供服务。对于各行业的企业管理而言,云计算意味着IT与业务相结合而引发的突破式创新——它能将 IT 转化成生产力,推动商业模式的创新,从而引领企业开拓出一片经营蓝海;在不断增加的复杂系统和网络应用、以及企业日益讲求 IT 投资回报率和社会责任的新竞争环境下,在不断变化的商业环境和调整的产业链中,云计算能够为企业发展带来巨大的商机和竞争优势。

云的商业应用

如果说云计算给大型企业的 IT 部门带来了实惠,那么对于中小型企业而言,它可算得上是天上掉下来的馅饼了。过去,小公司人力资源不足,IT 预算吃紧,那种动辄数百万美元的 IT 设备带来的生产力对它们而言真是如梦一般遥远。而如今,云计算为它们送来了大企业级的技术,并且先期成本极低,升级也很方便。云计算这一新兴趋势的重要性毋庸置疑,它不但抹平了企业规模所导致的优劣差距,而且极有可能让优劣之势易主。简单地说,当今世上最强大最具革新意义的技术已不再为大型企业所独有。云计算让每个普通企业以及普通人都能以极低的成本接触到顶尖的 IT 技术。

具体而言,云计算能够把各种业务相关的上下游企业及顾客整合到一个基于云的统一应用、信息共享的虚拟化商业平台上,甚至实现跨行业的信息整合,从而实现外部经营模式的创新、协同业务伙伴共同创造竞争蓝海。例如,把银行、卖场、分销商以及生产厂商的 ERP 系统整合在云平台上,以短期信贷的方式提前实现卖场/网店与分销商/厂商/消费者之间的实时结算,大大缩短分销商和厂商的资金占用和周转周期,同时银行也得到了相应的收益;另外,整合电子商务网站的信用评估系统及银行特有的信用评级体系,可以加快拓展小额信贷业务。据预测 2011年我国网上银行交易额将超过 1100万亿元,到 2015年网上银行交易额将达到 3500万亿元左右,这种支撑跨行业运营的金融服务云平台将蕴藏着巨大的利益。

举一个成功实例,无锡国家软件园 iPark-IBM “盘古天地”云计算平台项目从一开始的定位就不只是为园区内企业提供一些计算能力和存储能力,还包括了通过孵化一些 ISV 开发的通用系统提供给中小企业,使他们更专注于主营业务,以按需付费的方式降低 IT 成本;同时,这个云计算平台能够促成企业间的紧密合作和开辟新的商业模式;对于无锡软件园来说则可以通过多租户的方式来提高利润率。在这个云平台上有 IBM 及众多合作伙伴提供的各项特色“应用”,使得园区企业可以在“云上”实现软件产品的开发、测试、生产运营甚至商业化实施。例如,只有二十多名员工的首批用户——德立软件,是一家以面包烘焙 ERP 为主业的软件企业,传统的市场拓展方式是先帮助客户的每个门店安装 PC,然后安装单机版的软件。这样做便需要挨个“扫店”,现场实施及售后服务的成本高、速度慢。而现在德立软件的业务完全在云上开展,客户只要有终端可以上网,从软件安装、升级到售后的全部服务都可以快速实现。当初名不见经传的小企业如今已经发展成为国内面包烘焙软件的前三甲。依托应用越来越丰富的云计算平台,无锡国家软件园将孵化更多的成功企业。

无处不在的云基于这类云计算应用的商业前景和创新模式是超乎想象的:

引领百年

上述云应用场景不胜枚举,但这些崭新、智慧的未来不是单纯靠购买软硬件就能够实现的;它不只是一个技术问题,还需要与企业的发展战略和业务特色结合在一起,在下个一百年中,这种创新导向的云服务才是实现提高利润、降低成本、开拓经营蓝海目标的关键。

IBM 通过提供从业务创新咨询、云计算架构设计、云计算部署的端到端服务,依靠分布于全球 13个云计算中心的支持,帮助规模不等的各行业组织建立云基础架构,提供实现云的技术和产品,管理云计算中心,协助企业快速实现商业创新与变革、优化流程、降低成本、整合上下游合作伙伴并建立创新的产业生态链。

IBM 已经是在云上运营的企业了,包括销售管理、定单处理、客户管理等很多业务都已经运作在云平台上。结合 IBM 百年积淀的全球智慧资源,以及在企业咨询与 IT 服务方面的行业洞察,云计算将不只是一个愿景、一项技术,而是 21世纪成功企业的一个重要战略。市场瞬息万变、商机一闪而过,让更多的企业从现在开始踏上一条云计算之路!

本文来自:http://www-935.ibm.com/services/cn/gts/shouxi/five/case5.html

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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