传感器

首页 标签 传感器
# 传感器 #
关注
14339内容
|
10天前
|
当“眼见为实”失效:拆解 AI 跨模态鉴伪的技术栈、工程边界与落地路径【AI图像鉴伪】
本文剖析合合信息在WAIC 2026发布的AI跨模态鉴伪技术,覆盖图像、视频、文本三大介质,揭示其多源证据融合、鲁棒工程设计与场景化落地路径。技术不追求“真假”二分,而是提供可解释、可审计、可复核的风险概率判断,助力金融、电商、社交、学术等高危场景构建可信内容防线。
|
11天前
|
雨雾天气交通目标检测数据集:8类别、5,200张图像 | 目标检测
本数据集含5200张雨雾天气实景图像,覆盖行人、车、交通灯等8类交通目标,YOLO格式标注,专为提升自动驾驶及智慧交通在恶劣天气下的感知鲁棒性而设计。
|
11天前
|
道路车辆目标检测数据集:8类别、2,600张图像 | 目标检测
该数据集含2600张真实道路图像,精细标注8类车辆(公交、重型/中型卡车、皮卡、轿车、牵引车、两轮车、面包车),适配YOLO等模型,覆盖遮挡、光照变化等复杂场景,专为智慧交通与自动驾驶感知任务设计。(239字)
|
14天前
|
GES DISC 的 OMI/Aura 和 MODIS/Aqua Aerosol 地理托管产品 1-Orbit L2 Swath 13x24 km V003 (OMMYDAGEO)
OMMYDAGEO是OMI/Aura与MODIS/Aqua气溶胶地理共定位二级产品(13×24 km),将MODIS气溶胶、云及辐射数据精准匹配至OMI像素,支持跨传感器分析验证。HDF-EOS5格式,单文件约12 MB,日均140条带。(239字)
|
14天前
|
生活垃圾目标检测数据集:5类别、6,000张图像 | 目标检测
本数据集含6000张真实场景图像,涵盖玻璃、金属、纸张、塑料及“其他垃圾”5类,YOLO格式标注,适配YOLOv5/v8/v11等模型,专为智能垃圾分类研发打造,助力AI赋能城市环保治理。(239字)
AR眼镜频繁死机?排查这3个隐藏硬件故障点
随着增强现实(AR)技术在工业运维、远程协作及复杂装配场景中的深度渗透,AR智能眼镜已从概念验证阶段走向规模化部署。然而,在实际生产环境中,设备稳定性往往是决定项目成败的关键因素。许多技术团队在面对AR眼镜“频繁死机”、“画面卡顿”或“意外重启”等问题时,往往首先归咎于软件Bug或网络延迟,却忽视了底层硬件在极端工况下的物理极限与潜在故障。
|
15天前
|
GEO优化:内容源被引用,你要的内容却没被引用?
这篇文章想把这层机制彻底讲透——为什么被引用的是"你",却不是"你要的内容"
告别纸质手册:AR如何重塑一线员工的操作培训体验
随着工业4.0和数字化转型的深入,传统依赖纸质手册、口头传授或静态视频的培训模式已难以满足现代制造业、能源业及物流业对效率与精度的极致追求。增强现实(Augmented Reality, AR)技术通过将数字信息叠加于物理世界之上,正在从根本上重构一线员工的操作培训体系。本文旨在从云计算架构、边缘计算协同、数据闭环及最佳实践角度,深入探讨基于AR的智能化操作培训解决方案。
告别枯燥PPT:AR培训系统如何让新员工上手速度提升300%
在传统的企业培训体系中,新员工往往面临着“理论脱离实际”的困境。厚重的操作手册、冗长的PPT演示以及师傅带徒弟的口耳相传,不仅效率低下,且难以标准化。随着增强现实(Augmented Reality, AR)技术与云计算架构的深度融合,一种基于空间计算与实时数据交互的新型培训范式正在重塑企业的人才培养流程。本文将深入探讨基于云边端协同架构的AR培训系统的技术实现、核心功能模块及最佳实践,解析其如何通过沉浸式交互与数字化反馈,将新员工的上手速度提升数倍。
免费试用