有没有一种传统的方法来存储图片中的选择(例如，在facebook上标记许多用户？)

有一种传统的方法来存储图片中的选择，即使用关系型数据库。关系型数据库是一种结构化的数据存储方式，可以通过表格的形式存储和管理数据。对于存储图片中的选择，可以创建一个用户-图片-选择的关系表，其中每一行记录表示一个用户在某张图片上的选择。表格的列可以包括用户ID、图片ID和选择内容等字段。

优势：

结构化数据存储：关系型数据库提供了严格的数据结构，可以确保数据的一致性和完整性。
数据查询和分析：关系型数据库支持SQL查询语言，可以方便地进行复杂的数据查询和分析操作。
数据关联和连接：通过关系表的关联和连接操作，可以方便地获取用户、图片和选择之间的关系。

应用场景：

社交媒体平台：可以用于存储用户在图片上的标记、评论、点赞等选择。
电子商务平台：可以用于存储用户在商品图片上的选择、收藏、购买等行为。
在线教育平台：可以用于存储学生在教学视频中的选择、笔记、评论等。

腾讯云相关产品推荐：腾讯云提供了多种与关系型数据库相关的产品和服务，其中包括云数据库 MySQL、云数据库 PostgreSQL、云数据库 MariaDB 等。这些产品提供了高可用、高性能的数据库服务，适用于各种规模的应用场景。

云数据库 MySQL：https://cloud.tencent.com/product/cdb_mysql 云数据库 PostgreSQL：https://cloud.tencent.com/product/cdb_postgresql 云数据库 MariaDB：https://cloud.tencent.com/product/cdb_mariadb

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

【AI 工厂】Facebook 计算机视觉 Lumos平台，内容理解之上的图像技术

这个 AAT 的更新分为两部分，包括允许快速、可扩展迭代的 Lumos。在 FB 上分享的照片中有相当一部分包含人物，因此我们专注于涉及人物的自动图片描述。...然后，我们利用这些标注构建了一个机器学习模型，可以无缝地推断照片中的人物的动作，以便在下游用于AAT。 ? 图：people_riding_on_animal 模型。...然后这些照片被按语义聚类，以便更快地进行标记——Lumos 用户可以选择把聚类标注为他们的用例的负面或正面样本，这可以在聚类级别进行或单独为聚类中的每个图像标注。...虽然 AAT 的应用很重要，因为它可以为 Facebook 的视障用户带来全新的访问体验，但还有其他只提供方便的应用，例如发掘新的搜索参数。...举个例子，在搜索“black shirt photo”时，系统能够“看到”照片中是否有黑色的衬衣，并根据这个内容进行搜素，即使这些照片没有该信息的标记。

9669 0

来亲自试一试NoSQL

我们需要一个更灵活的方法，而不是试图找到一种方法来将数据匹配数据库，相反，我们应当尝试找到一种方法，使数据库能够主动去匹配数据。因此，我们的选择主要取决于我们试图存储在数据库中的数据类型。...实际上，它代表“不仅SQL”。它的目的不是反对SQL，而是在存储和与数据库交互的方式上提供一个可行的选择。许多NoSQL数据库也提供了一个类似于SQL的查询接口。...以下是Facebook工程博客上的内容：“Apache Hadoop被用于三大类系统：作为Web分析的仓库，作为分布式数据库的存储以及MySQL数据库备份。” 为什么选择NoSQL？...在最近的观点中，地理空间数据库可以用于分层模型来存储位置信息，这种信息本质上是分层的（就像大陆由国家构成一样，这些国家由国家组成，然后是城市等等）虽然实际算法有所不同如地理标记和地理定位功能近来越来越流行...三重存储三重存储也是一种网络数据库，但不同之处在于它们以主谓宾的形式存储三元数据，其中谓词确定主体和对象之间的关系，同时作为数据本身的一部分。例如，我们来看一下“沙氏住在孟买”。

8223 0

10亿参数的AI模型SEER「一视同仁」：服务富人，也服务全世界

这是我们对SEER感到兴奋的原因之一，SEER是我们开发的一种新的高性能计算机视觉系统。通过利用自监督学习，SEER可以从任何数字图片集中学习，而不需要研究人员来挑选和标记每个对象。...初步评估表明，SEER在识别物体方面比传统的计算机视觉系统表现更好，这些物体虽然来自数十亿人的生活，但在用于训练人工智能系统的传统图片数据集中「体现较少」。...、展示物品、碗、水果、炊具、锅所以，SEER正确地识别了图片中的物体，而传统的系统则没有。...图源：Facebook AI Blog AI为人人自监督学习在提高语言和方言的性能方面已经显示出巨大的前景，因为这些语言和方言没有大量的数字化文本作为标记的训练数据来使用。...SEER能够在上述例子中更好地进行物体识别，这是另一个令人兴奋的结果，因为该模型是在没有任何数据整理的情况下在随机的互联网图像上训练的。

5442 0

Facebook 的应用机器学习平台

首先训练一般模型，以选择最终用来确定内容排序的各种用户和环境因素。...Facebook通过这个服务帮助你选择想在照片中标记的好友。 Language Translation是管理Facebook内容国际化的服务。...单独的执行引擎满足不同图的执行需求，并且Caffe2加入了第三方库（例如，cuDNN、MKL，和Metal），以在不同的平台上优化运行。 PyTorch是Facebook人工智能研究所用的框架。...内存、存储，以及网络从内存容量的角度来看，CPU平台和GPU平台都提供了足够的训练空间。例如Facer，在32GB RAM的1xCPU上训练用户特定的SVM模型。...传统的模型在一个机器上完成训练，训练性能可以通过增加模型、数据并行达到最优。但是考虑到训练所需数据会随时间而增长，硬件限制会增加整体的训练延迟和收敛时间，甚至到无法接受的地步。

2.3K5 0

食物图片变菜谱：这篇CVPR论文让人人都可以学习新料理

机器之心报道参与：一鸣、路根据 Facebook 的统计，Instgram 上的美食图片数量已经超过 3 亿张。然而，获取食物烹饪方法的途径依然有限，例如，通过烹饪网站或相关教程。...用户可以输入食物图片，并获得对应的食材和制作方法。在用户实验上的结果说明，用这种方法烹饪食物的成功率，比传统检索方法成功率更高。看美食图片就能知道食谱？这个 AI 比美食家还灵么？ ?...最近，Facebook 提出了一种 AI 方法，能够根据美食图片直接生成食谱！天啊，简直满足了天下爱吃且爱做饭的人的心愿啊～ ? 这张图片中左侧为原图；右侧显示了食物名称、原料，甚至还有操作说明。...研究人员对比了传统的检索方法和该研究提出的新方法，结果如下： ? 表 3：基线方法和论文方法的对比。左图为 IoU 和 F1 分数，右图为食材在烹饪指南上的精确率和召回率。...研究人员还进行了用户测试。他们从测试集中随机选择了 15 张图片，让用户根据提供的图片选择 20 种食材，并写下可能图片对应的菜谱。

7015 0

食物图片变菜谱：这篇CVPR论文让人人都可以学习新料理

根据 Facebook 的统计，Instgram 上的美食图片数量已经超过 3 亿张。然而，获取食物烹饪方法的途径依然有限，例如，通过烹饪网站或相关教程。...用户可以输入食物图片，并获得对应的食材和制作方法。在用户实验上的结果说明，用这种方法烹饪食物的成功率，比传统检索方法成功率更高。看美食图片就能知道食谱？这个 AI 比美食家还灵么？ ?...最近，Facebook 提出了一种 AI 方法，能够根据美食图片直接生成食谱！天啊，简直满足了天下爱吃且爱做饭的人的心愿啊～ ? 这张图片中左侧为原图；右侧显示了食物名称、原料，甚至还有操作说明。...研究人员对比了传统的检索方法和该研究提出的新方法，结果如下： ? 表 3：基线方法和论文方法的对比。左图为 IoU 和 F1 分数，右图为食材在烹饪指南上的精确率和召回率。...研究人员还进行了用户测试。他们从测试集中随机选择了 15 张图片，让用户根据提供的图片选择 20 种食材，并写下可能图片对应的菜谱。

6421 0

自监督学习、全景FPN...内容平台的四大技术指南

技术来保护平台用户安全地使用产品，需要做到两点：1、理解内容；2、Facebook 如何使用自监督学习方法来提高内容识别的准确性，同时减少翻译、NLP、图像识别等应用中对标记数据的要求。...具体技术细节，都在以下演讲全文里： AI 在 Facebook 的各种应用中无处不在，其中最重要的一项工作是帮助我们平台上的用户安全使用。...但是这项工作也会影响其他应用，例如可能会改变我们用来向视障人士描述图像的自动转换文字功能。与图片中的查找违规行为相比，在视频中的难度是数量级的。...然而，在许多视频中，只有少数片段具有针对特定任务的显著性信息，其余的片段则是冗余的或不相关的，例如检测欺凌视频。因此，为了进一步提高视频中发现可操作事件的速度和效率，我们创建了一个显着性采样器。...基本上，Facebook AI 团队的曾经研究策略最近都转化成了能提供强大效果的系统，一些自监督的语言理解模型持续领先于使用传统的、完全监督方法训练的系统。

6273 0

图像识别——突破与应用

这个数字起初可能令人震惊，但考虑到每天通过智能手机访问Facebook站点的活跃用户数量（每月20亿）（截至2017年2月1日，每天有11.5亿移动活跃用户）加上人们依赖这些设备上的相机，数字是有道理的...其中一个流行的用例是使用自动标记软件来管理和组织越来越多的个人照片。图像识别技术也用于识别图像中的多个元素，如对象、活动、标识、背景场景等（图5）。这为自动图像字幕提供了一个智能的方法。...近年来，这个领域已经有了各种各样的突破，人脸识别现在是许多应用（移动和在线）的一部分，例如，在Facebook上基于人脸识别的标签建议。 ?...光学（数字）分类是另一种流行的应用，其中图像识别已被用于分离不同等级的产品（例如水果），并从生产线上去除异物/缺陷。图像识别在农业中有许多用途，如自动灌溉，病虫害防治，农作物自主选择收获和作物健康。...智能摄像机可以在事件前后的预设时间段内提取完整的视频作为证据，而不是连续的视频流。这将有效利用存储和带宽。随着算法效率的提高和处理能力的提高，许多图像识别功能可以嵌入到相机中。

14.4K11 3

【人在环中】机器学习的未来

作为CrowdFlowe的CEO，我与许多构建机器学习算法的公司合作过。我发现了在几乎任何一个成功将机器学习应用于复杂商业问题的案例中，都有“人在环中”的运算。...聪明的人们已经花了许多许多年来研制自动驾驶汽车，这方面最新的科技也的确非常好了。但非常好仍然不够好。99%的准确率意味着人们在1%的时间里可能会死去。...在Facebook的照片上标记朋友 Facebook的照片识别算法已经特别棒了。事实上，当你上传了照片，它通常不仅能找到照片上的人脸，还能够以97.25%的准确率猜出这个人是谁。...但有些时候，当它的置信分数低于一定水平，Facebook会询问作为上传者的你，确认照片中标记的人有没有错。当置信分数更低的时候，它会让你来标记照片中的人。...这意味着人类-计算机的交互对于人工智能来说比我们想象的要重要得多。在每个例子中（国际象棋，驾驶，Facebook，还有ATM机），确保计算机和人类顺利地一起工作是让这些应用发挥效果的关键。

2.1K5 0

【学术】入圈人工智能你需要了解无监督机器学习的真正能力

Siri可以理解和回应人类的语音，这也是Facebook在你输入名字之前就知道在照片上添加标签的原因。这种“理解”是一种被称为机器学习的技术。...在分类和回归的情况下，机器使用输入数据来确定输出，而输出必须在所提供的输出数据中。还有一个更可靠的例子，让我们看看Facebook建议用户在照片中添加标签的方式。...Facebook不知道你和你的朋友长什么样子;它只是从之前标记的照片中收集数据，通过重复“学习”如何识别每个人。一个人的照片越多，Facebook就越有可能做出准确的建议。...通过跟踪每个用户在什么设备上登录到系统中，该机器可以开始创建集群。随着时间的推移，这台机器将能够预测特定用户的登录行为，因此，如果在模型之外有足够多的东西，它将被标记为奇怪的行为。...因此，对于特定的人来说，这是不正常的，但是因为对于他们组中的其他用户来说，这是正常的，所以可能这种不正常的结果会引起关注。在未经训练的机器学习中，组(输出)不是手动选择的。

7554 0

Facebook 自然语言处理新突破：新模型能力赶超人类 & 超难 NLP 新基准

在第四届机器翻译大会（WMT19）比赛中，Facebook 采用了一种新型的半监督训练方法，并在多种语言翻译任务中获得了第一名。...在某些情况下，这些系统甚至优于人类基线，包括英德翻译和五个 NLU 基准。在整个自然语言处理领域，NLU 系统的发展速度如此之快，以至于它在许多现有的基准上已经达到了一个极限。...而今年，Facebook 引入了一种新的方法，通过生成多个候选译文，并选择最能平衡正向、反向、流畅性三种不同模型分数的译文，来进一步改进 Facebook 的反向翻译系统。...图 1 Facebook 引入的一种新方法上面的图片展示了这种技术是如何工作的：首先，一个正向模型将一个句子翻译成英语，例如从德语翻译成英语，就会生成一组英语翻译或假设。...NLU 系统，甚至超过了人类在该任务上的基线。

3811 0

Facebook 自然语言处理新突破：新模型能力赶超人类 & 超难 NLP 新基准

7803 0

定制你的多模态模型：Yo’LLaVA 模型在视觉问题解答中的贡献 !

例如，尽管这些模型可以利用它们的广泛知识对图像中的物体和人进行分类（例如，图1（右），“在这张照片中有两个人出现在家庭环境中...”）...在这项工作中，作者提出了一种方法，将现有的一般目的LMM模型的知识扩展到用户认为重要的某些新的个性化知识，从而为用户提供定制的个性化体验（例如，回答与_你的狗_相关的问题）。参数高效的微调。...传统上，微调一直是将训练好的模型适配到新任务或概念的标准方法。然而，在LLMs/LMMs时代，微调这些模型在计算和内存需求上可能极其昂贵。...本质上，所有问答对都被构造成二分类，以Yes/No的问题来确定主体（例如）是否在照片中可见（见表2中的类型2和3 QA）。...一种传统的方法是直接用三元组()训练Yo'LLaVA。然而，这种方法并不能有效地促进个性化提示的学习（即，将新的视觉知识嵌入其中），因为模型已经提供了足够回答问题的额外信息（参考图像）。

1251 0

nature | 基于深度学习方法的虚拟组织染色

图1-生物化学组织染色的不确定性在组织病理学中染色组织样品的标准过程是耗时的，因为它是劳动密集型的工作，并且需要专门的实验室环境，化学试剂和训练有素的人员，例如组织技术人员。...图2-传统染色方法造成的组织结构损伤认识到这些瓶颈，加州大学洛杉矶分校的Ozcan研究团队提出使用深度学习方法来对无标记组织进行虚拟染色。...起初，Ozcan研究团队想要找到一种强大而简单的方法来在无标记组织切片的显微图像中引入对比度。为此，Ozcan研究团队选择使用由组织内源性荧光团产生的自体荧光，这种自体荧光天然的存在于样本中。...在基于生成对抗网络概念的多阶段深度神经网络训练过程之后，Ozcan研究团队提出了一种基于深度学习的方法（如图3所示）以获取未染色（无标记）组织切片中天然存在的荧光化合物的显微图像，并将该自体荧光图像转换成与其具有相同组织样本的明场显微镜等效图像...图3-深度学习方法下的虚拟组织染色模型介绍在模型选择方面，Ozcan研究团队采用的是生成对抗网络（Generative Adversarial Networks , GAN）。

1.4K4 0

业界 | Facebook将反馈融入AI系统，视觉障碍者现在也能“读懂”照片啦

通过视觉媒体让大家观看和讨论所发生的事，是Facebook提供的一项关键功能。事实上，人们每天在Facebook、Instagram、Messenger和WhatsApp上分享的照片超过20亿张。...前者有时在HTML侧不会被正确地标记，也就不可能分辨矩阵中的应答者在哪，而后者应该被替换为非图形HTML元素，使不同的屏幕阅读器能通用地访问。...如果屏幕阅读器用户响应调查对您来说很重要，那么首先引导用户阅读简介很重要。 •与传统的优秀调查设计一样，尽量减少每页的问题，避免认知复杂性和导航问题。...（检查所有适用）测试组中的受访者在听完图片中的替换文本后，一组随机词语随即被提供给他们选择，让他们用这些词语描述听完的感觉，此外我们还设立了一组可以随意描述感受的参照组。...在成功实现这项功能的基础上，我们聘请了第一个全职的无障碍研究员，现在团队上下都对未来的发展充满憧憬。 via Facebook

7449 0

机器学习公司的十大数据搜集策略

数据战略/资源的选择通常与商业模式的选择、创业公司的关注重点(消费者或企业、横向或纵向的)以及融资情况密切相关。以下简单列出几种并不互斥的策略，为广泛的可用方法提供了一种大体框架。...例如，VocalIQ(2015年被苹果收购)使用亚马逊土耳其机器人为其数字助手提供数千个用户提出的问题。员工也可以通过雇佣其他独立的承包商来外包(就像Clara 或Facebook M所做的那样)。...那些在自家许多产品中都使用了这种方法的公司里，有两个十分典型的例子:谷歌(搜索引擎、谷歌翻译、垃圾邮件过滤器等等)和Facebook(用户可在照片中给朋友加标签)。...用户通常不知道他们的行为在为这些公司提供免费的标签数据。机器学习领域的许多初创公司都从谷歌和Facebook中汲取了灵感，他们创建了具有纠错功能的产品，明确地鼓励用户纠正机器错误。...例如，IBM Watson在2015年进行了四次与数据有关的收购，将其卫生部门转变为世界上最大和最多样化的健康相关数据库之一。

8404 0

这5种计算机视觉技术，刷新你的世界观

最明显的答案是，从这一研究领域衍生出的快速增长的有用的应用集合。以下是其中的一小部分：人脸识别：Snapchat和Facebook使用面部检测算法应用卷积核并在图片中识别出你。...计算机视觉研究人员已经提出一种数据驱动的方法来解决这个问题。...在硬件要求方面，Alex在2个Nvidia GTX 580 GPU（超过1000个快速小内核）上使用了非常有效的卷积网络实现。 GPU非常适合矩阵矩阵乘法，并且具有非常高的存储器带宽。...目标跟踪指的是在给定场景下跟踪特定感兴趣的一个或者多个目标。传统上，它应用在视频和现实世界的交互中，它们在初始目标检测之后进行观察。...计算机视觉的核心是分割过程，它将整个图像分成像素组，然后可以对其进行标记和分类。特别是，语义分割试图在语义上理解图像中每个像素的作用（例如，它是汽车，摩托车还是其它类型的类？）。

6233 0

Meta AI科学家专访 – 我们离世界上每个人都能实时理解每种语言还有多远?

多语言系统在一个模型中翻译多个语言对，这是一个关键的发展，因为它们在许多语言对中泛化知识，这对低资源语言特别有帮助。这与传统的双语模式截然不同，在传统模式中，每种语言对都是单独处理的。...---- 提问2：你认为我们能多快将这些翻译改进带给数十亿使用Facebook和Meta其他平台的用户，尤其是那些使用低资源语言的用户?...在频谱的另一端，您可以拥有一个传统模型并将所有平行语料库的串联提供给它，并用语言标记标记以指定输出语言。大多数研究人员认为，某种形式的语言特定参数需要增强通用模型。...还有其他几个挑战，比如找出一种方法来训练不同类型的数据，包括风格、主题、噪音——以及每个语料库的语言对，目前还不清楚这些数据应该如何最好地组合、加权或分阶段。...另一种是混合专家模型，它在 Transformer 块中使用多个替代前馈层的集合，并允许模型选择其中的一个子集。

4203 0

通过局部聚集自适应的解开小世界网络的纠结

一种不同的一般方法是在图中识别集群，然后使用这些集群来可视化网络6、7。这种方法将可视化问题转移到集群或社区检测方法的选择上。...一种有效的动态算法，保持在边删除下的聚类系数，在O(α(G)m)总时间内运行，其中m是图中的边数，而α(G)是最小的能够覆盖图G边集合的生成森林对我们的方法在许多真实世界和合成网络中的有效性进行了广泛的评估...图4显示了这些apexes的聚类和phi系数值。由于空间限制，我们无法显示所有facebook100网络的结果。因此，我们选择了11个在图4中标注他们名字的Facebook网络。...为进一步的分析选择了被标记的网络。 ? 图5 聚集系数和phi值的关系在不同网络(Facebook100+PPM500)上的散化比和聚类系数。如果phi值很高，那么峰值位置就非常接近。...虽然图表的布局度量和视觉检查都表明集群确实是明显的，但是在2行中详细的用户研究必须显示出这种视觉效果对于特定任务的重要性，例如类簇的选择。

1.1K1 0

二值化每个特征，微软用1350亿参数稀疏神经网络改进搜索结果

例如，许多深度神经网络 (DNN) 语言模型在填写一句话的空白时可能会过度泛化：「(blank) can fly」。...更有趣的是，MEB 可以识别单词或短语之间的负面关系，揭示用户不希望在查询中看到的内容。例如，搜索「棒球」的用户通常不会点击谈论「曲棍球」的页面，即使它们都是流行运动。...ObjectStore 是一种多租户（multi-tenant）的分布式键值存储系统，能够存储数据和计算托管。...池化层和密集层部分的计算量更大，并且在承载用户定义函数的 ObjectStore Coproc（一个 near-data 计算单元）中执行。MEB 将计算和数据服务分离到不同的分片中。...图 4：计算分片中的 ObjectStore Coproc 与数据分片之间进行会进行交互，以检索特征嵌入并运行神经网络。数据分片存储特征嵌入表并支持来自每个 Coproc 调用的查找请求。

3931 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

有没有一种传统的方法来存储图片中的选择(例如，在facebook上标记许多用户？)

相关·内容

【AI 工厂】Facebook 计算机视觉 Lumos平台，内容理解之上的图像技术

来亲自试一试NoSQL

10亿参数的AI模型SEER「一视同仁」：服务富人，也服务全世界

Facebook 的应用机器学习平台

食物图片变菜谱：这篇CVPR论文让人人都可以学习新料理

食物图片变菜谱：这篇CVPR论文让人人都可以学习新料理

自监督学习、全景FPN...内容平台的四大技术指南

图像识别——突破与应用

【人在环中】机器学习的未来

【学术】入圈人工智能你需要了解无监督机器学习的真正能力

Facebook 自然语言处理新突破：新模型能力赶超人类 & 超难 NLP 新基准

Facebook 自然语言处理新突破：新模型能力赶超人类 & 超难 NLP 新基准

定制你的多模态模型：Yo’LLaVA 模型在视觉问题解答中的贡献 !

nature | 基于深度学习方法的虚拟组织染色

业界 | Facebook将反馈融入AI系统，视觉障碍者现在也能“读懂”照片啦

机器学习公司的十大数据搜集策略

这5种计算机视觉技术，刷新你的世界观

Meta AI科学家专访 – 我们离世界上每个人都能实时理解每种语言还有多远?

通过局部聚集自适应的解开小世界网络的纠结

二值化每个特征，微软用1350亿参数稀疏神经网络改进搜索结果

扫码

相关资讯

热门标签

活动推荐

运营活动

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐