运用到的主要识别算法：
1.表情识别
2.场景识别
AlbumController：
获取图片。把所有图片通过getAllPhotos（）获取图片和分类、列表。
1.上传的文件保存到对应文件当中
2.调用两个识别函数
3.输入流只读一次，重复读为空（读完一次就reset掉）
上传图片为避免重复命名，对图片的input流加个md5处理。
ResourceService 相当于资源管理器
前端:VUE UI组件
上传图片方式：拖拽、文件上传
电子相册搭建教程// 视觉AI训练营 DAY3
2020-09-26
497
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
通过阿里云视觉开发平台的算法对图片进行智能识别和分类。
目录
相关文章
|
3天前
|
自然语言处理
IDE
测试技术
通义灵码史上最全使用教程：秀一秀AI编程新肌肉
通义灵码是阿里云推出的一款智能编码辅助工具，基于通义大模型，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码优化、注释生成、代码解释、研发智能问答、异常报错排查等功能。它支持 Visual Studio Code 和 JetBrains IDEs，适配多 IDE 原生设计，帮助开发者高效、流畅地编码。官方提供了详细的下载和安装指南，以及丰富的功能介绍和使用指南。
57
3
3
|
9天前
|
机器学习/深度学习
人工智能
算法
使用 NVIDIA TAO Toolkit 5.0 体验最新的视觉 AI 模型开发工作流程
NVIDIA TAO Toolkit 5.0 提供低代码框架，支持从新手到专家级别的用户快速开发视觉AI模型。新版本引入了开源架构、基于Transformer的预训练模型、AI辅助数据标注等功能，显著提升了模型开发效率和精度。TAO Toolkit 5.0 还支持多平台部署，包括GPU、CPU、MCU等，简化了模型训练和优化流程，适用于广泛的AI应用场景。
18
0
0
|
2月前
|
人工智能
Suno教程篇：音乐小白也能使用Suno AI零门槛创作音乐？从此只听AI写的歌！
本文是一篇Suno AI音乐创作工具的教程，指导音乐小白如何使用Suno AI零门槛创作音乐，包括准备工作、基础使用、歌曲风格的选择、歌词填入技巧，以及通过实例展示如何为不同场景生成背景音乐。
101
2
2
|
2月前
|
机器学习/深度学习
人工智能
自然语言处理
还不懂如何与AI高效交流？保姆级且全面的chatGPT提示词工程教程来啦！（一）基础篇
这篇文章是一篇保姆级的教程，旨在全面介绍如何与AI进行高效交流，包括ChatGPT的前世今生、应用场景以及提问的基础技巧。
57
2
2
|
1月前
|
人工智能
Linux
iOS开发
AI超强语音转文本SenseVoice，本地化部署教程！
【9月更文挑战第7天】以下是AI超强语音转文本工具SenseVoice的本地化部署教程：首先确保服务器或计算机满足硬件和软件要求，包括处理器性能、内存及操作系统等。接着从官网下载适合的安装包，并按操作系统进行安装。配置音频输入设备和语言模型后，启动SenseVoice并测试其语音转文本功能。最后根据实际使用情况进行优化调整，并定期更新以获取最新功能。详细步骤需参照官方文档。
271
1
1
|
1月前
|
机器学习/深度学习
人工智能
测试技术
AI计算机视觉笔记二十五：ResNet50训练部署教程
该项目旨在训练ResNet50模型并将其部署到RK3568开发板上。首先介绍了ResNet50网络，该网络由何恺明等人于2015年提出，解决了传统卷积神经网络中的退化问题。项目使用车辆分类数据集进行训练，并提供了数据集下载链接。环境搭建部分详细描述了虚拟环境的创建和所需库的安装。训练过程中，通过`train.py`脚本进行了15轮训练，并可视化了训练和测试结果。最后，项目提供了将模型转换为ONNX和PT格式的方法，以便在RK3568上部署。
57
2
2
|
1月前
|
人工智能
自然语言处理
Linux
Llama 3.2：开源可定制视觉模型，引领边缘AI革命
Llama 3.2 系列 11B 和 90B 视觉LLM，支持图像理解，例如文档级理解（包括图表和图形）、图像字幕以及视觉基础任务（例如基于自然语言描述在图像中精确定位对象）。
105
0
0
|
2月前
|
机器学习/深度学习
人工智能
监控
|
2月前
|
机器学习/深度学习
人工智能
PyTorch
"揭秘AI绘画魔法：一键生成梦幻图像，稳定扩散模型带你开启视觉奇迹之旅！"
【8月更文挑战第21天】稳定扩散（Stable Diffusion）是基于深度学习的模型，能根据文本生成高质量图像，在AI领域备受瞩目，革新了创意产业。本文介绍稳定扩散模型原理及使用步骤：环境搭建需Python与PyTorch；获取并加载预训练模型；定义文本描述后编码成向量输入模型生成图像。此外，还可调整参数定制图像风格，或使用特定数据集进行微调。掌握这项技术将极大提升创意表现力。
49
0
0
|
2月前
|
机器学习/深度学习
人工智能
算法
热门文章
最新文章
1
阿里AI上岗双11服装车间，能识别头发丝直径十分之一的瑕疵
2
未来已来！阿里小蜜AI技术揭秘
3
业界首个AI云服务报告：阿里云进入领导者象限，力压亚马逊、微软
4
看三角兽的AI语义技术如何让机器更懂你|镁客网M-TECH AI助力中国智造产业论坛
5
引入AI技术 百会发布第四代智能CRM
6
《中国人工智能学会通讯》——9.18 评价指标
7
普通人眼中的 AI 是什么样子？
8
辰信领创联合发起创新战略联盟 网络安全与人工智能融合提速
9
对话清华大学张钹院士：中国人工智能与 IJCAI 的 40 周年，还有哪些未曾对外诉说的故事？
10
硬纪元AI峰会前瞻：如何才能做好智能家居？用户体验最重要
1
在园区引入AI大模型
75
2
AI创作之旅：探索提示工程的奇妙世界
51
3
AI时代Python金融大数据分析实战：ChatGPT让金融大数据分析插上翅膀
310
4
构建未来：AI在持续学习系统中的进化之路
118
5
AI超级个体：ChatGPT与AIGC实战指南
277
6
构建未来：AI驱动的自适应网络安全防御系统
69
7
[译][AI OpenAI-doc] v2 有什么新功能？Beta
37
8
AI面试：线下面试的“隐形门槛”及其影响
95
9
吴恩达 x Open AI ChatGPT ——如何写出好的提示词视频核心笔记
302
10
ElasticON AI 2023大会回顾：深入探索 Elasticsearch 与人工智能的融合之路
75