W3Cschool开发者日报 | Adobe 开发 AI 识别技术,助你识别P图怪!

简介:

1、2018 年技能提升报告:Java 要被 kotlin 打败了?

Packt 发布了 2018 年技能提升报告的结果,旨在了解软件开发人员的工具使用情况和技能趋势。报告显示,Java 在编程语言中仍然占据主导地位,但 Kotlin 极有可能将其赶出移动开发的榜首。

报告指出,Kotlin 于 2011 年出现,但直到最近才开始真正吸引工程师的特别青睐。 谷歌在2017年宣布 Kotlin 在 Android Studio 3.0 中完全获得支持,使之成为 Android 开发语言之一。预计到今年年底,Kotlin 将与 Java 展开激烈竞争。

2、Adobe 开发 AI 识别技术,帮你检测这图是否被修过

795224e422d6b1909a40b1c72e53f89351be7528

为世界提供了其中一项最重要修图工具 Photoshop 的 Adobe,为了“增加在数字时代里的信任和真实性”,决定要做个 AI 来帮你甄别图片是否被修过。

目前,Adobe 的 AI 可辨别三种被处理过的图片类型:拼接图片(将不同图像的两部分结合在一起)、克隆图片(图像内的对象被复制粘贴)和删除图片(图片中的对象被清除)。从前,这些是鉴证科做的事情,但 Adobe 可用 AI 做得更快。

3、微软提前结束部分 Windows 7 电脑的更新功能

前不久,微软悄然关掉了官方论坛 Windows 7 分版的支持,也就是不再有工作人员上线收集和回应坛友的反馈。如今,微软再次对一些Win7设备“下手”。3 月份,微软发布了 Win7 月度补丁 KB4088875,从这个补丁开始,那些不支持 SSE2 指令集的 PC 电脑就开始遭遇更新报错问题。结果在 6 月份再次发布更新时,直接来了一句“请将你的处理器升级为支持 SSE2 指令集的型号”。

4、Google 为 Android P 引入新的生物识别身份验证 API

Google 希望在其即将推出的 Android P 中改进生物识别技术。该公司宣布开发人员可以开始使用 BiometricPrompt API 将生物识别身份验证集成到他们的应用程序中。借助 Android P,Google 希望为测量生物识别安全性提供更好的模型,限制较弱的身份验证方法,并为开发人员提供一个通用平台和入口点,以便轻松集成该功能。

5、PHP 开发框架 CakePHP 3.6.6 发布,bug 修复版本

CakePHP 3.6.6 发布了,这是 3.6 分支的维护版本,修复了几个社区报告的问题。CakePHP 是一个运用了诸如 ActiveRecord、Association Data Mapping、Front Controller 和 MVC 等著名设计模式的快速开发框架。该项目主要目标是提供一个可以让各种层次的 PHP 开发人员快速地开发出健壮的 Web 应用,而又不失灵活性。

此次更新内容包括:

d47e62d2b349aca45e42305ed6714efbe5ed61d9IntegrationTestCase 现在 string 化所有请求数据,这更好地模拟了如何处理 HTTP POST 数据。
d47e62d2b349aca45e42305ed6714efbe5ed61d9改进 API 文档。

d47e62d2b349aca45e42305ed6714efbe5ed61d9......(详情:https://github.com/cakephp/cakephp/releases/tag/3.6.6)

6、Tinker 1.9.8 发布,修复 OPPO 与 MIUI 等机型补丁问题

Tinker 1.9.8 发布了,Tinker 是腾讯开源的 Android 热解决方案库,它支持在不重新安装 apk 的情况下对 dex、library 和 resources 进行更新。

此次更新主要修复了以下问题:

d47e62d2b349aca45e42305ed6714efbe5ed61d9 OPPO、VIVO机型上patch加载失败。
d47e62d2b349aca45e42305ed6714efbe5ed61d9 MIUI上JobScheduler被禁用导致补丁无法合成。
d47e62d2b349aca45e42305ed6714efbe5ed61d9 ......(详情:https://github.com/Tencent/tinker/releases/tag/v1.9.8)



原文发布时间为:2018-06-26

本文来自云栖社区合作伙伴“w3c技术教程”,了解相关信息可以关注“w3c技术教程”。

相关文章
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
64 10
|
2天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
11天前
|
存储 人工智能 自然语言处理
ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器
ChatMCP 是一款基于模型上下文协议(MCP)的 AI 聊天客户端,支持多语言和自动化安装。它能够与多种大型语言模型(LLM)如 OpenAI、Claude 和 OLLama 等进行交互,具备自动化安装 MCP 服务器、SSE 传输支持、自动选择服务器、聊天记录管理等功能。
82 15
ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器
|
6天前
|
人工智能 安全 算法
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
2024年12月11日,由中国计算机学会计算机视觉专委会主办的“打造大模型时代的可信AI”论坛在上海举行。论坛汇聚了来自多家知名学术机构和企业的顶尖专家,围绕AI的技术风险与治理挑战,探讨如何在大模型时代确保AI的安全性和可信度,推动技术创新与安全治理并行。论坛重点关注计算机视觉领域的最新进展,提出了多项技术手段和治理框架,为AI的健康发展提供了有力支持。
39 8
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
|
6天前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
6天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
38 14
|
6天前
|
传感器 机器学习/深度学习 人工智能
AI视频监控卫士技术介绍:智能化河道管理解决方案
AI视频监控卫士系统,通过高清摄像头、智能传感器和深度学习技术,实现河道、水库、城市水务及生态保护区的全天候、全覆盖智能监控。系统能够自动识别非法行为、水质变化和异常情况,并实时生成警报,提升管理效率和精准度。
38 13
|
5天前
|
存储 人工智能 运维
AI-Native的路要怎么走?一群技术“老炮儿”指明了方向
上世纪70年代,沃兹尼亚克、乔布斯等人成立Homebrew Computer Club,推动个人电脑普及。如今,创原会承袭这一精神,由CNCF执行董事Priyanka Sharma等构建,聚焦云原生和AI技术,汇聚各行业技术骨干,探索前沿科技。2024年创原会年度峰会达成“全面拥抱AI-Native”共识,解决算力与存储瓶颈,推动AI原生应用开发,助力千行万业智能化转型,成为行业创新风向标。
|
8天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十七、如何识别用户上传视频中的人体、运动、动作、姿态?
【云智AI运动识别小程序插件】提供人体、运动、姿态检测的AI能力,支持本地原生识别,无需后台服务,具有速度快、体验好、易集成等优点。本文介绍如何使用该插件实现用户上传视频的运动识别,包括视频解码抽帧和人体识别的实现方法。
|
13天前
|
人工智能 小程序 UED
【一步步开发AI运动小程序】十六、AI运动识别中,如何判断人体站位?
【云智AI运动识别小程序插件】提供人体、运动及姿态检测的AI能力,本地引擎无需后台支持,具备快速、体验好、易集成等优势。本文介绍如何利用插件的`camera-view`功能,通过检测人体站位视角(前、后、左、右),确保运动时的最佳识别率和用户体验。代码示例展示了如何实现视角检查,确保用户正或背对摄像头,为后续运动检测打下基础。