蒙帕智能运维

针对任意空间分辨率和曝光次数的静态图像序列，本文介绍一种快速多曝光图像融合(MEF)方法，即MEF-Net。与传统的MEF方法不同，MEF-Net通过在全分辨率训练序列数据...

在大模型重塑人工智能格局的今天，语音作为最自然的人机交互方式，其技术演进正从“能用”迈向“好用”。企业对语音识别系统提出了前所未有的综合要求：不仅要在复杂场景下保持高准确率...

在机器人巡检过程中，由于拍摄环境中存在较大的亮度差异，相机设备只能记录有限的曝光范围，导致图像中某些区域曝光失调，细节和纹理特征丢失。多曝光融合（MEF）技术可通过合成多个...

上篇介绍了基于二维码识别方法，本章介绍将基于Apriltag的二维码位姿识别与基于自适应粒子滤波的定位方法相结合可以实现基于二维码的重定位效果。 首先通过二维码识别方法到二...

yolo系列自诞生以来，通过不断提升速度和精度，彻底革新了目标检测领域。从yolov1的单阶段预测方法，到后续借助yolov3的Darknet、yolov5的跨阶段局部网络...

目前市面上针对指示灯的主流检测方法除了yolo系及其魔改方法之外，还有一类端到端方法在效果上能到达同代yolo水平但计算速度更超yolo，这种方法的典型代表就是RT-DET...

传统2D视觉技术在机械臂自动化操作中仅能提供平面信息，导致其在复杂工业场景（如非结构化环境、动态光照条件）下的定位精度不足，难以满足精密装配、柔性抓取等高精度任务需求。 随...

随着智能语音技术的普及，语音识别（ASR）、语音合成（TTS）、声纹识别等应用场景对模型推理效率提出了极高要求，本文介绍将Paraformer语音模型从预训练模型导出为ON...

1、从“文字匠人”到“多模态大师”： GPT的进化之路 在自然语言处理（NLP）领域，Transformer 架构的出现无疑是一场革命。如果说 BERT 是这场革命中专注于...

1、Transformer ：大语言模型的雏形 前几篇文章中我们了解到Transformer 的架构包括编码器-解码器结构，基于多头注意力机制和前馈神经网络。以及了解了Tr...

** Transformer：重新定义AI语言模型的革命性架构** 问： 计算机如何读懂人类语言？ 答： 在AI领域有一个重要问题：如何让计算机真正理解人类语言？2017年...

1、 引言 在上一期的内容中，我们一起探索了Transformer算法结构的基本组成，了解了它如何成为现代AI大模型的基石之一。今天，我们将深入探讨这一架构中的两个核心概念...

01 ·概述· Transformer架构在生成式预训练模型（Generative Pre-trained Transformer, GPT）中扮演着核心角色，其重要性在于...

背景 传统的IT运维中，人工监控和分析关键性能指标（KPI）是预测系统行为和资源利用的常见做法。然而，这种方法耗时、易出错且无法跟上现代IT系统的复杂性和规模。随着数字化、...

指示灯检测是数据中心机房巡检过程中的重要一环，然而由于机柜网格遮挡，机房巡检机器人在对指示灯数据进行传统单目检测时，会存在部分有效信息无法被模型检测出来，进而导致目标丢失的...

一、背景 蒙帕基于多年故障预防实践及经验，在进行障碍预防配置时，权重范围由轻到重、宽泛设置判断条件指标、通过多个综合指标去定义一个可能发生的潜在故障，从而帮助用户发现一些潜...

指示灯检测是数据中心机房日常巡检过程中的重要一环，但实际检测过程中，普遍存在成像目标过小，亮度暗，颜色、形状与训练数据偏差大，导致无法被模型检测到进而目标丢失的问题。 蒙帕...

1、背景 蒙帕当前的技术架构中使用了 Zabbix Agent 来采集指标数据，鉴于 Prometheus 近年来的迅猛发展，以及在监控领域的广泛应用， 计划将Zabbix...

在现代信息技术迅猛发展的背景下，"可观测性"（Observability）这一概念频繁出现在技术讨论和IT运维领域。然而，可观测性究竟是什么？我们又在观测些什么呢？ 1、可...

在数字化时代，软件系统的性能直接关系到用户体验和企业竞争力。性能测试作为确保软件质量的关键环节，其重要性不容忽视。本文将深入探讨性能测试的定义、目的、工具选择以及实施流程，...