ai视觉能有多强?终章·

简介: ai视觉能有多强?终章·

先写一个文件上传类

   public class UploadPic {
public static String UploadPic(){
    // Endpoint以杭州为例,其它Region请按实际情况填写。
    String endpoint = "oss-cn-shanghai.aliyuncs.com";
    // 阿里云主账号AccessKey。
    String accessKeyId = "*************";
    String accessKeySecret = "*************";
    //本地文件名
    System.out.println("请输入本地图片path:");
    Scanner scanner = new Scanner(System.in);
    String fileName = scanner.nextLine();
    String bucketName = "auto-insurance-pic";
    // 获取文件的后缀名
   String suffixName = fileName.substring(fileName.lastIndexOf("."));

    // 生成上传文件名
    String objectName = System.currentTimeMillis() + "" + new SecureRandom().nextInt(0x0400) + suffixName;
    // 创建OSSClient实例。
    OSS ossClient = new OSSClientBuilder().build(endpoint, accessKeyId, accessKeySecret);
    // 如果需要上传时设置存储类型与访问权限,请参考以下示例代码。
    // ObjectMetadata metadata = new ObjectMetadata();
    // metadata.setHeader(OSSHeaders.OSS_STORAGE_CLASS, StorageClass.Standard.toString());
    // metadata.setObjectAcl(CannedAccessControlList.Private);
    // putObjectRequest.setMetadata(metadata);

    // 上传文件。
    ossClient.putObject(bucketName, objectName, new File(fileName));
    // 设置URL过期时间为1小时。
    Date expiration = new Date(System.currentTimeMillis() + 3600 * 1000);
    // 生成以GET方法访问的签名URL,访客可以直接通过浏览器访问相关内容。
    URL url = ossClient.generatePresignedUrl(bucketName, objectName, expiration);

    // 关闭OSSClient。
    ossClient.shutdown();

    return url.toString();
}}

可以使用单元测试进行上传测试
附一份文档说明
Type说明
名字 英文名字 部件编码 标注编码 是否是34部件 是否计划支持
前保险杠 front_bumper PR01 11 是 是
后保险杠 rear_bumper PR02 13 是 是
左前大灯 left_light PR03 71 是 是
右前大灯 right_light PR04 72 是 是
中网 grille PR05 b11 是 是
中网 grille PR05 B11 是 是
前机盖 hood PR06 21 是 是
左前门 left_front_door PR07 51 是 是
右前门 right_front_door PR08 52 是 是
左后门 left_rear_door PR09 53 是 是
右后门 right_rear_door PR010 54 是 是
左前翼子板 left_front_wing PR11 41 是 是
右前翼子板 right_front_wing PR12 42 是 是
左后翼子板 left_rear_wing PR13 43 是 是
右后翼子板 right_rear_wing PR14 44 是 是
后机盖 decklid PR015 23 是 是
前挡风玻璃 front_windshield PR16 61 是 是
后挡风玻璃 rear_windshield PR17 63 是 是
左后视镜 left_mirror PR18 93 是 是
右后视镜 right_mirror PR19 94 是 是
左尾灯 left_tail_light PR20 73 是 是
右尾灯 right_tail_light PR21 74 是 是
左雾灯 left_foglight PR22 b13 是 是
左雾灯 left_foglight PR22 B13 是 是
右雾灯 right_foglight PR23 b14 是 是
右雾灯 right_foglight PR23 B14 是 是
格栅 grates PR24 b12 是 是
格栅 grates PR24 B12 是 是
右前车窗 right_front_window PR25 82 是 是
左前车窗 left_front_window PR26 81 是 是
右后车窗 right_rear_window PR27 84 是 是
左后车窗 right_tail_light PR28 83 是 是
右底大边 right_doorsill PR29 92 是 是
左底大边 left_doorsill PR30 91 是 是
右前门把手 right_front_doorknob PR31 502 是 是
左前门把手 left_front_doorknob PR32 501 是 是
左后门把手 left_rear_doorknob PR34 503 是 是
右后门把手 right_tail_light PR33 504 是 是
左前轮胎 left_front_tire PR3601 31 是 是
左后轮胎 left_rear_tire PR3602 33 是 是
右前轮胎 right_front_tire PR3603 32 是 是
右后轮胎 right_tail_light PR3604 34 是 是
轮胎 right_tail_light PR36 3 是 是
右前轮眉 right_front_WheelBrow PR1203 352 否 是
左前轮眉 left_front_WheelBrow PR1103 351 否 是
右后轮眉 right_rear_WheelBrow PR1403 354 否 是
左后轮眉 left_rear_WheelBrow PR1303 353 否 是
左前钢圈 left_front_ring PR3501 316 否 是
左后钢圈 left_rear_ring PR3502 336 否 是
右前钢圈 right_tail_light PR3503 326 否 是
右后钢圈 right_rear_ring PR3504 346 否 是
钢圈 ring PR35 306 否 是
左前门饰条 left_front_door_Panel PR0701 6511 否 是
右前门饰条 right_front_door_Panel PR0801 6512 否 是
左后门饰条 left_rear_door_Panel PR0901 6513 否 是
右后门饰条 right_rear_door_Panel PR1001 6514 否 是
左前门亮条 left_front_door_Wisp PR0701 6521 否 是
右前门亮条 right_front_door_Wisp PR0801 6522 否 是
左后门亮条 left_rear_door_Wisp PR0901 6523 否 是
右后门亮条 right_rear_door_Wisp PR1001 6524 否 是
左前门饰板 left_front_door_Plaque PR0703 166 否 是
右前门饰板 right_front_door_Plaque PR0803 266 否 是
左后门饰板 left_rear_door_Plaque PR0903 366 否 是
右后门饰板 right_rear_door_Plaque PR1003 466 否 是
前保险杠饰条 front_bumper_Panel PR0101 1651 否 是
后保险杠饰条 rear_bumper_Panel PR0201 3651 否 是
前保险杠亮条 front_bumper_Wisp PR0102 1652 否 是
后保险杠亮条 rear_bumper_Wisp PR0202 3652 否 是
前保险杠护板 front_bumper_Backplate PR0103 6621 否 是
后保险杠护板 rear_bumper_Backplate PR0203 6623 否 是
前保险杠导流板 front_bumper_Deflector PR0104 6611 否 是
后保险杠导流板 rear_bumper_Deflector PR0204 6613 否 是
后保反光板 BumperLight PR0205 761 否 是
车顶 Roof 待定 25 否 否
A柱 Apillar 待定 26 否 否
挡泥板 Fender 待定 36 否 否
反光镜灯 MirrorLight 待定 762 否 否
翼子板灯 WingLight 待定 763 否 否
牌照灯 PlateLight 待定 764 否 否
车窗三角玻璃 TriangleWindow 待定 85 否 否
天窗 RoofWindow 待定 86 否 否
字标 WordMark 待定 67 否 否
牵引钩盖板 DragCover 待定 681 否 否
喷水嘴盖板 LightWaterCover 待定 682 否 否
电眼 ElectricEye 待定 683 否 否
油箱盖 TankCover 待定 684 否 否
导流板(无方向) Deflector 待定 661 否 否
门把手(无方向) Deflector 待定 50 否 否
车标 logo 待定 b16,B16 否 否
饰板(无方向) Plaque 待定 66 否 否
保险杠(无方向) Roof 待定 1 否 否
车牌 plate 待定 b17,B17 否 否
雾灯(无方向) foglight 待定 b15,B15 否 否
亮条(无方向) Wisp 待定 652 否 否
翼子板(无方向) wing 待定 4 否 否
饰条(无方向) Panel 待定 651 否 否
底大边(无方向) doorsill 待定 9 否 否
门(无方向) door 待定 5 否 否
挡风玻璃 windshield 待定 6 否 否
大灯(无方向) light 待定 70 否 否
挡泥板 Fender 待定 36 否 否
轮眉(无方向) WheelBrow 待定 35 否 否
看不出什么部件 无 待定 00 无 无

目录
相关文章
|
6月前
|
人工智能 编解码 安全
[译][AI OpenAI-doc] 视觉
学习如何使用 GPT-4 来理解图像。具有视觉功能的 GPT-4 Turbo 允许模型接收图像并回答与之相关的问题。了解图像上传、处理、成本计算、模型限制等详细信息。
|
1月前
|
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。
57 0
使用 NVIDIA TAO Toolkit 5.0 体验最新的视觉 AI 模型开发工作流程
|
6月前
|
人工智能 Windows
LabVIEW将视觉生成器AI用作OPC服务器
LabVIEW将视觉生成器AI用作OPC服务器
64 2
|
2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)。
|
3月前
|
机器学习/深度学习 人工智能 监控
探索视觉AI:超越计算机视觉的边界
【8月更文挑战第20天】
59 2
|
3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。
58 0
|
3月前
|
机器学习/深度学习 人工智能 算法
【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
174 0
|
6月前
|
人工智能 编解码 安全
揭秘AI幻觉:GPT-4V存在视觉编码漏洞,清华联合NUS提出LLaVA-UHD
【4月更文挑战第14天】清华大学与新加坡国立大学团队针对大型多模态模型(LMMs)在处理高分辨率图像时的局限,提出新模型LLaVA-UHD。该模型通过图像模块化、压缩和空间模式组织策略,有效提升了处理任意比例和高分辨率图像的能力。实验显示,LLaVA-UHD在9个基准测试中超越现有模型,且在TextVQA任务上准确率提升6.4%,同时训练时间更短。然而,模型训练成本高、泛化能力待优化是未来需解决的问题。
90 8
揭秘AI幻觉:GPT-4V存在视觉编码漏洞,清华联合NUS提出LLaVA-UHD
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
OpenAI 推出 GPT-4o,免费向所有人提供GPT-4级别的AI ,可以实时对音频、视觉和文本进行推理,附使用详细指南
GPT-4o不仅提供与GPT-4同等程度的模型能力,推理速度还更快,还能提供同时理解文本、图像、音频等内容的多模态能力,无论你是付费用户,还是免费用户,都能通过它体验GPT-4了
336 1
|
6月前
|
机器学习/深度学习 人工智能 知识图谱
LeCun视觉世界模型论文,揭示AI学习物理世界的关键
【2月更文挑战第16天】LeCun视觉世界模型论文,揭示AI学习物理世界的关键
71 2
LeCun视觉世界模型论文,揭示AI学习物理世界的关键
下一篇
无影云桌面