算法

首页 标签 算法
# 算法 #
关注
127635内容
一种基于YOLO11的高精度船舶(ship-obb)检测(原创自研)
一种基于YOLO11的高精度船舶(ship-obb)检测算法,mAP50从原始的0.828提升至0.877
|
12天前
|
负数也能做基数排序:符号位偏移的反直觉修正
本文提出一种无需分组、规避溢出的LSD基数排序方案:通过翻转32位有符号整数最高位(异或`0x80000000`),将补码序映射为单调无符号序,实现四趟稳定字节排序。附完整C++实现、边界测试与复杂度分析。(239字)
|
12天前
|
红绿灯不看总排队长度:Max-Pressure 压测笔记
本文通过微型路口压测对比自适应信号控制策略:传统“最长队列优先”易加剧下游拥堵,而Max-Pressure算法基于“上游队列−加权下游队列”计算流向压力,兼顾服务率与瓶颈约束。提供可运行C++仿真、吞吐对比、边界条件及工程限制分析。(239字)
基于YOLO11的多模态(可见光+红外光)实现 LLVIP数据集涨点可行性验证
本文介绍可见光与红外光多模态目标检测,分析前期、中期、后期融合策略,实验证明中期融合效果最优;基于YOLO11实现RGB-T中期特征融合,在LLVIP数据集上取得mAP50达0.879的优异性能,后续将优化模型提升多模态检测能力。
如何选择YOLO算法做创新?用你的数据跑对比实验,别凭感觉选
本文探讨YOLO算法基线选择策略:学术研究应基于私有数据集实测对比YOLOv8n/YOLO11n/YOLO26n,以精度定基线;边缘部署则直接选用YOLO26——无NMS、CPU提速43%、仅2.38M参数,专为端侧优化。
|
12天前
|
云客服系统工单效率优化:智能路由与坐席负载均衡的调优参数
云客服系统的工单处理效率,本质上取决于两个核心变量的协同程度——智能路由能否把工单精准分配给最合适的坐席,以及负载均衡能否让每个坐席的工作量保持在合理区间。本文从ACD路由算法的四种工程实现模式出发,深入拆解技能组权重、客户等级映射、坐席状态检测和排队溢出这四个核心调优参数的配置逻辑。同时,从Erlang C排队模型的工程应用切入,给出坐席利用率、队列深度和响应时间三者之间的平衡参数建议。文中所有参数均来自呼叫中心行业的生产环境实践,部分数据经过脱敏处理,可作为技术团队优化工单分配效率的参考手册。
5年测试开发面试为什么开始考算法?从测试平台到AI质量工程看技术能力变化
近年测试开发面试重心转向数据结构、算法与系统设计,反映岗位正从“测试执行者”升级为“质量工程系统建设者”。尤其面对大模型、AI Agent等不确定性系统,算法能力成为高效调度测试、分析结果、验证智能行为的核心基础。
|
12天前
|
单人数字内容创作的结构性风险与舆情反噬治理研究 —— 基于韩国两起创作者争议案例分析
本文以韩国李秀智、金善泰舆情危机为案例,揭示单人数字创作因缺乏前置审核、交叉校验与公关支撑而存在的结构性风险;创新引入网络安全“全链路闭环风控”逻辑,构建轻量化四层识别框架,并提出“创作者—平台—第三方—行业—监管”五层协同治理体系,助力短视频时代独立创作者规范发展。(239字)
|
12天前
| |
来自: 云原生
王耀恒:一名优秀的GEO培训讲师应该具备什么样的能力?
王耀恒,深耕GEO实战两年的培训讲师,主张优秀讲师必须具备六大不可替代能力:亲手踩坑的经验、精准归因能力、持续一线手感、AI无法复制的行业翻译力、反共识判断力及系统化交付能力——唯有实战派,方能带出真效果。(239字)
大模型测试为什么离不开哈希表?从Token统计、数据去重到LLM评测
随着大模型应用普及,软件测试正迈向“大模型测试(LLM Testing)”新阶段:需验证AI回答准确性、幻觉、稳定性与安全性。面对百万级测试数据,哈希表成为关键——实现高效去重、快速查询与版本比对,是测试工程师升级为AI质量工程师必备的基础能力。
免费试用