# 视觉智能开放平台 #
1
关注
12759内容
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题（附论文下载）
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题（附论文下载）
AIGC视频生成/编辑技术调研报告
随着图像生成领域的研究飞速发展，基于diffusion的生成式模型取得效果上的大突破。在图像生成/编辑产品大爆发的今天，视频生成/编辑技术也引起了学术界和产业界的高度关注。该分享主要介绍视频生成/编辑的研究现状，包括不同技术路线的优劣势，以及该领域当下面临的核心问题与挑战。
阿里云视觉智能开放平台的OSS视频处理
阿里云视觉智能开放平台的OSS视频处理
FFmpeg开发笔记（二十七）解决APP无法访问ZLMediaKit的直播链接问题
本文讲述了在使用ZLMediaKit进行视频直播时，遇到移动端通过ExoPlayer和微信小程序播放HLS直播地址失败的问题。错误源于ZLMediaKit对HTTP地址的Cookie校验导致401无权限响应。通过修改ZLMediaKit源码，注释掉相关鉴权代码并重新编译安装，解决了此问题，使得ExoPlayer和小程序能成功播放HLS视频。详细解决方案及FFmpeg集成可参考《FFmpeg开发实战：从零基础到短视频上线》一书。
印刷文字识别操作报错合集之通过HTTPS连接到OCR服务的API时报错，该如何处理
在使用印刷文字识别(OCR)服务时，可能会遇到各种错误。例如：1.Java异常、2.配置文件错误、3.服务未开通、4.HTTP错误码、5.权限问题（403 Forbidden）、6.调用拒绝（Refused）、7.智能纠错问题、8.图片质量或格式问题，以下是一些常见错误及其可能的原因和解决方案的合集。
印刷文字识别使用问题之如何进行私有化部署
印刷文字识别产品，通常称为OCR（Optical Character Recognition）技术，是一种将图像中的印刷或手写文字转换为机器编码文本的过程。这项技术广泛应用于多个行业和场景中，显著提升文档处理、信息提取和数据录入的效率。以下是印刷文字识别产品的一些典型使用合集。
FFmpeg开发笔记（五十九）Linux编译ijkplayer的Android平台so库
ijkplayer是由B站研发的移动端播放器，基于FFmpeg 3.4，支持Android和iOS。其源码托管于GitHub，截至2024年9月15日，获得了3.24万星标和0.81万分支，尽管已停止更新6年。本文档介绍了如何在Linux环境下编译ijkplayer的so库，以便在较新的开发环境中使用。首先需安装编译工具并调整/tmp分区大小，接着下载并安装Android SDK和NDK，最后下载ijkplayer源码并编译。详细步骤包括环境准备、工具安装及库编译等。更多FFmpeg开发知识可参考相关书籍。
带你读《深度学习与图像识别：原理与实践》之三：图像分类之KNN算法
这是一部从技术原理、算法和工程实践3个维度系统讲解图像识别的著作，由阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写。在知识点的选择上，本书广度和深度兼顾，既能让完全没有基础的读者迅速入门，又能让有基础的读者深入掌握图像识别的核心技术；在写作方式上，本书避开了复杂的数学公式及其推导，从问题的前因后果 、创造者的思考过程，利用简单的数学计算来做模型分析和讲解，通俗易懂。更重要的是，本书不仅仅是聚焦于技术，而是将重点放在了如何用技术解决实际的业务问题。
免费试用