社区
非技术区
帖子详情
"i-mode简介与iappi编程起步"---http://61.144.28.245/hjc/web/doc/wangyou/ding/imode-iappi.htm#how
qdzhulf
2002-03-18 02:32:07
请看:
http://61.144.28.245/hjc/web/doc/wangyou/ding/imode-iappi.htm#how
我的问题是这些程序一般是手机厂商做,还是网络服务提供商做?
...全文
137
3
打赏
收藏
"i-mode简介与iappi编程起步"---http://61.144.28.245/hjc/web/doc/wangyou/ding/imode-iappi.htm#how
请看: http://61.144.28.245/hjc/web/doc/wangyou/ding/imode-iappi.htm#how 我的问题是这些程序一般是手机厂商做,还是网络服务提供商做?
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
3 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
「已注销」
2002-03-18
打赏
举报
回复
我想做这方面的东西,感兴趣,不知谁需要
skyyoung
2002-03-18
打赏
举报
回复
profile 是手机厂商做的,而在profile 上的应用则可以是服务商做。
weity
2002-03-18
打赏
举报
回复
在中国垄断电信的情况下,只有中国电信自己做喽!
呵呵,其实应该是服务商做的。不过.....
不说也罢!
YOLO26算法夜间道路火目标检测+训练好的模型+2931张数据集+pyqt可视化界面.zip
数据集可视化效果见下方。 【数据集概况】 · 检测类别(中文):[火(fire)] · 训练集:2565 张 · 验证集:244 张 · 测试集:122 张 · 总计:2931 张 该数据集针对夜间道路环境中的火情检测需求,精准捕捉火源特征,为道路安全监控系统提供可靠的数据支持,具有显著的安全预警价值和实际应用意义。该数据集的训练集、验证集和测试集分别包含2565张、244张和122张图像,分布比例合理,能够有效支持模型的训练、验证和测试过程,确保模型性能的稳定性和可靠性。该数据集的标注工作严谨细致,火目标的边界框标注精准,与实际火源位置高度吻合,标注规范符合行业标准,为模型... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 58 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9537** mAP50-95 | 0.6455 Precision | 0.9156 Recall | 0.9168 train/box_loss | 1.0237 train/cls_loss | 0.5109 val/box_loss | 1.1818 val/cls_loss | 0.5480 【训练过程分析】 58 轮训练后 mAP50 达到 0.9537,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6455,和 mAP50 差距 0.31,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9156、Recall 0.9168,精召双高,模型对火的检测能力强。 ...
科研院所如何精准对接企业技术需求?.
doc
x
科易网基于40亿+科创知识图谱数据库,深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,研究科技创新领域的AI+数智化解决方案,推动科技创新与产业创新智能化发展。
如何构建一个面向高校科研院所的科技成果转化服务生态体系,推动更多优秀成果落地转化?.
doc
x
如何构建一个面向高校科研院所的科技成果转化服务生态体系,推动更多优秀成果落地转化?
YOLO26算法工业车间底盘铭牌目标检测+训练好的模型+3394张数据集+pyqt可视化界面.zip
可参考下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[底盘铭牌(Chassis)] · 训练集:3258 张 · 验证集:136 张 · 测试集:0 张 · 总计:3394 张 该数据集聚焦于工业制造与车辆检测场景中对汽车底盘铭牌的精准识别,涵盖多种品牌车辆(如通用、现代、日产、马自达等)在不同光照和污损条件下的铭牌图像。通过真实生产环境中的多样化样本采集,数据集有效支持了车辆身份验证、质量追溯及自动化检测系统的开发,具有显著的工程应用价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 34 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9649** mAP50-95 | 0.5292 Precision | 0.9019 Recall | 0.8783 train/box_loss | 1.2850 train/cls_loss | 0.7588 val/box_loss | 1.4612 val/cls_loss | 0.6408 【训练过程分析】 34 轮训练后 mAP50 达到 0.9649,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.5292,和 mAP50 差距 0.44,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9019、Recall 0.8783,精度高于召回,存在一定漏检。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖底盘铭牌,置信度整体偏高。 【改进建议】 1. 增强难例挖掘:在大规...
RDO Remote Desktop Organizer V1.4.7 (Windows 10 support)
代码下载链接:
http
s://pan.quark.cn/s/a4b39357ea24 远程桌面管理工具 基于 MSTSC 连接 Windows 远程桌面,并对其进行封装实现管理多个远程桌面配置的小工具 关键字: 效果图如下: 效果-主界面 效果-打开远程连接 1、什么是 MSTSC (Microsoft terminal services client) ? 创建与终端服务器或其他远程计算机的连接,适用于 Windows XP 及以上的 Windows 操作系统 MSTSC 还有一种说法,Microsoft Telnet Screen Control ,即“微软远程桌面控制”。 PS. 相信对本项目感兴趣的朋友肯定熟悉下面微软的官方工具,本项目也是基于其 ActiveX 控件进行的封装,实现对远程桌面的管理与使用 MSTSC 2、赶紧来添加第一个远程桌面连接 ? 点击左下角的 来,开启 选项,起个 并 来添加您的一个父级(分组)节点,譬如 样例-添加父节点 再次点击点击左下角的 来新建您的第一个连接,假定您已熟悉 MSTSC 相关设置,那么下面这个配置也难不住您了 样例-添加子节点 样例-显示新增的配置 单击此方块即可连接服务器,请确保网络无阻哦,一般来说 MSTSC 能连上,本工具同样可以 样例-正在连接 样例-连接成功 好了,基本上您已经掌握如何使用此工具了 3、还有其他功能应用? 支持拖动页签头来改变其位置 (同时连接了多个远程可能会有些用) 当你不想打开远程桌面,而只想打开远程服务器上的某个程序时,请在 时填写需要启动程序的路径,如 ,如果该目录已配置到环境变量的 中,如本示例使用程序名 亦同 右击页面头会有菜单选项,比如可执行 操作,右击连接方块或分组...
非技术区
23,404
社区成员
70,506
社区内容
发帖
与我相关
我的任务
非技术区
Java 非技术区
复制链接
扫一扫
分享
社区描述
Java 非技术区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章