HOG预处理归一化
是一种在计算机视觉和图像处理领域常用的图像特征提取方法，全称为Histogram of Oriented Gradients。它被广泛应用于目标检测、行人检测、人脸识别等任务中。
HOG预处理归一化的基本思想是将图像划分为小的块，并计算每个块内的梯度方向直方图。梯度方向直方图表示了不同方向上的梯度分布情况，通过统计各个方向上的梯度强度，可以较好地描述图像的纹理特征。
HOG预处理归一化的步骤如下：
- 图像预处理：对输入图像进行预处理，例如灰度化、图像增强等操作，以便更好地提取特征。
- 梯度计算：计算图像中每个像素点的梯度方向和梯度强度。
- 细胞划分：将图像划分为小的块（Cell），每个块内包含若干个像素点。
- 方向直方图：在每个块内计算梯度方向的直方图。
- 块归一化：将相邻的若干个块组合成一个更大的块（Block），并对该块内的梯度方向直方图进行归一化操作，以抵消光照等因素带来的影响。
- 特征向量：将所有块的归一化直方图连接起来，形成最终的特征向量。
HOG预处理归一化的优势在于它对于图像的局部纹理特征具有较好的描述能力，并且具有旋转不变性和部分视角不变性。这使得它在目标检测任务中表现出色。
对于使用HOG预处理归一化的任务，腾讯云提供了适用的产品和服务，如图像识别（https://cloud.tencent.com/product/tii），人脸识别（https://cloud.tencent.com/product/fec），以及自然语言处理相关的产品（https://cloud.tencent.com/product/nlp）等。这些产品可以帮助开发者在云计算环境中快速构建和部署相关的应用程序。
相关·内容
1回答
伽玛归一化在HOG(梯度直方图)中的意义是什么？它和伽玛校正一样吗？因为我看到很多杂志说，在HOG中伽马归一化是图像强度的平方根。但与伽马校正公式不同。
浏览 2提问于2017-01-06得票数 1
1回答
我想结合两种检测算法，HOG和协方差法，以提高检测性能。我知道HOG是如何工作的，协方差是如何工作的，但是，我想知道如何将这些方法结合起来以获得更好的检测性能。我计划在OpenCV中实现。
浏览 0提问于2015-06-29得票数 0
回答已采纳
1回答
我下载了三种不同的HoG代码。使用64x128的图像
1)使用matlab函数：extractHOGFeatures，
[hog, vis] = extractHOGFeatures(img,'CellSize',[8 8]);
hog的大小是3780。
如何计算：
HOG特征长度N是根据图像大小和函数参数值确定的。
N = prod([BlocksPerImage, BlockSize, NumBins])
BlocksPerImage = floor((size(I)./CellSize – BlockSize)./(BlockSize – BlockOverlap) +
浏览 0提问于2017-05-04得票数 4
回答已采纳
我正在尝试从一组图像中提取HOG功能，但我得到的内存错误是
hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)]
MemoryError
我从复制了HOG函数，我的示例代码是
def hog(img):
gx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
gy = cv2.Sobel(img, cv2.CV_32F, 0, 1)
mag, ang = cv2.cartToPolar(gx, gy)
bins = np.int32(b
浏览 4提问于2016-05-14得票数 4
回答已采纳
我为26个类别的每个类别提供了500张图像，用于执行Otsu、Canny edge和HOG作为特征提取技术。欧几里德距离，余弦距离和支持向量机对其使用python进行分类。我可以在单个图像上应用Canny和HOG。如何使用循环遍历文件夹并将结果图像保存在不同文件夹类中的循环对所有图像执行此操作？提取的特征用于欧氏距离、余弦距离和支持向量机的分类。 我知道可以使用glob，但我不知道如何使用它来满足我的请求。 import cv2
import matplotlib.pyplot
import numpy as np
import pandas as pd
#Otsu Algorithm
i
浏览 36提问于2021-05-01得票数 0
1回答
我对如何使用直方图归一化提取特征感到困惑。也许这听起来太傻了，但很抱歉我太傻了，我只是有点困惑。我已经对图像进行了标准化，但我如何将其表示为一个特征。是直方图变成了特征，还是HOG (定向梯度直方图)的概念。我对如何将直方图表示为特征感到困惑。能给我解释一下吗？
浏览 1提问于2013-06-25得票数 1
回答已采纳
我想知道KMeans是否会在进行聚类之前自动归一化特征。似乎没有提供请求规范化的输入的选项。
浏览 2提问于2013-11-17得票数 14
回答已采纳
我的KNN水果分类有问题。我有一个新鲜和腐烂的橘子数据集，训练数据有1000张新鲜的和1000张腐烂的橘子图像，我的测试数据有300个新鲜和腐烂的橘子。现在，当我试图在python代码上实现KNN时，我得到了错误。
ValueError: X有972个特性，但KNeighborsClassifier需要6804功能作为输入。
这是我的密码：
关于培训数据：
training_fresh = []
for entry in glob.glob("path"):
img=np.array(mpimg.imread(entry))
resized_img = c
浏览 2提问于2022-01-02得票数 1
1回答
这里有一个函数，我只是稍微修改了一下它的原始上下文，找到了这里。
在提到其他内容之前，应该注意到，我正拼命地优化这段代码以提高速度。它目前大约需要5.25秒才能执行，并且似乎在for-loop中出现了瓶颈。
简而言之，这个函数期望用户安装SimpleCV，并且至少希望传递一个SimpleCV.Image实例。
有人有什么聪明的方法来加快速度吗？理想情况下，我可以以每秒30帧的速度在实时网络摄像头上运行这一功能，但我并没有抱太大的希望。
from itertools import product
from math import floor, pi
import numpy as np
impo
浏览 0提问于2014-02-25得票数 7
回答已采纳
我在试着准备一些图像数据给我的神经进行分类。作为图像预处理步骤的一部分，我将在我的数据集类中应用HOG过滤器，如下所示： class GetHogData(Dataset):
def __init__(self, df, root, transform = None):
self.df = df
self.root = root
self.transform = transform
def __len__(self):
return len(self.df)
def __getitem__(self, idx):
if torch.i
浏览 22提问于2021-04-23得票数 0
回答已采纳
2回答
我正试图像在中那样计算视频的密集特征轨迹。我试图使用像这样的openCV hog描述符：
winSize = (32,32)
blockSize = (32,32)
blockStride = (2,2)
cellSize = (2,2)
nbins = 9
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,nbins)
hist = hog.compute(img)
但是，这会返回一个非常大的大小特征向量：(160563456，1)。
什么是窗户？(winSize)什么是街区？什么是细胞？这些文档对于解释这些参数中
浏览 1提问于2017-07-07得票数 4
回答已采纳
1回答
我不明白HOG (定向梯度直方图)中预处理步骤的目的是什么。在步骤1中，我们使用平方根归一化对图像进行归一化。这一步的优势是什么？我们还有一个块归一化。这两个步骤是否相同？
浏览 17提问于2019-02-19得票数 0
1回答
我正在考虑开发一个用来玩手机的扑克机器人。不用说，正如原型所证实的，这是一个非常占用CPU的应用程序。
关于CPU密集型移动应用的共识是什么？它甚至值得开发吗？我担心的是人们会留下类似于"CPU Hog. Uninstall“的负面反馈。
我可以在服务器上托管CPU密集型大脑，但这需要用户连接互联网，这是不可取的。
浏览 1提问于2014-04-15得票数 0
1回答
我想对我的训练数据集应用词干分析。我可以在tensorflow之外执行此操作，作为训练数据准备的一部分，但是在调用(存储的)模型之前，我需要对预测请求数据执行相同的过程。
有没有一种方法可以在tensorflow本身中实现这种转换，以便转换既用于训练又用于预测？
如果转换需要整个数据集的知识，例如标准化，这个问题就会变得更加恼人。
浏览 2提问于2018-03-31得票数 1
我们使用Viola-Jones进行人脸检测。该算法工作得很好，几乎没有假阳性。然而，我们有假阴性。我们检测到了一种非常清晰的假阴性模式，即面部像素的灰度值与背景像素之间的对比度非常高。
对于假阴性，如果图像被转换成一个单一的灰度矩阵，我们会看到类似这样的东西- 255表示白色像素，即背景，而更低的值是面部(即较暗的)像素。
255 255 255 255 255 255 80
255 255 255 255 255 110 100
255 255 255 255 90 100 110
255 255 255 90 100 105 100
在这些情况下，算法无法检测到人脸。我尝试了我们自己的
浏览 4提问于2016-01-21得票数 0
所以，我想从驾驶员记录器记录的视频中检测汽车。我读了很多书，做了很多研究，但还是不太明白。我确实考虑使用线性支持向量机的HOG描述符。但是，既然这对我来说是一种研究，那么它还能以什么方式改进，使其更容易实现和更健壮呢？我正在考虑将另一种技术/算法与HOG相结合，但仍有些迷茫。在这方面我还是个新手。
任何帮助都是非常感谢的。我也对其他更好的想法持开放态度。
浏览 0提问于2016-04-21得票数 0
在进行特征选择后，我有18个维度的特征，并将用于训练分类器，RNN，HMM等。
这些特征包括加速度计和陀螺仪的标准差、均值和导数。这些功能具有不同的单位，标准化/标准化将失去功能的真正含义。
例如，一个特征向量的单位是旋转速度(度/秒)，该特征中的值在-120和120之间。另一个是x轴加速度的stddev，值主要在0到2之间。如果我想做标准化，所有的特征向量都将在0附近居中，负值/正值分布在0附近。-->即使是stddev也会有负值！它完全失去了实际意义？
我走错路了吗？如有任何信息，欢迎光临！谢谢!
浏览 0提问于2016-11-22得票数 2
根据HOG过程，如本文所描述的面向人类检测梯度的直方图(见下面的链接)，对比归一化步骤是在二进制和加权投票之后进行的。
我不明白--如果我已经计算了细胞的加权梯度，那么图像对比度的归一化现在对我有什么帮助呢？
据我所知，对比度归一化是在原始图像上进行的，而对于计算梯度，我已经计算了原始图像的X，Y导数。所以，如果我规范了对比，并希望它生效，我应该再次计算所有的东西。
有什么我不太明白的吗？
我应该让细胞的价值正常化吗？
HOG中的规范化不是关于对比度，而是关于直方图值(每个桶中的单元格数)吗？
链接到论文：
浏览 2提问于2015-09-05得票数 3
回答已采纳
1回答
我在TensorFlow中有一个令人讨厌的优化问题，它需要一个非线性优化器来解决，内部的tensorflow优化器(梯度下降，AdaGrad，Adam)似乎比使用scipy作为外部优化器(CG，BFGS)要差得多。
这很好，但是对于我想要做的生产运行，我需要使用我的训练数据集的小批量来优化。每次调用损失/梯度函数时，都会使用一个新的小批量数据来计算它。(我使用的是的修改版本)在实践中，这意味着损失函数是输入参数的噪声函数。
Scipy似乎在这方面遇到了问题，将对scipy.minimize的任何调用都限制在几次迭代中，如下所示：
Warning: Desired error not neces
浏览 1提问于2017-02-07得票数 6
1回答
我读过一篇关于使用CNTK使用LSTM预测时间序列的。这对我更好地理解如何应用这种方法来解决其他问题非常有帮助。使用CNTK实现LSTM网络非常简单，只需几行代码。
model = Sequential (
RecurrentLSTMLayer {$stateDim$, usePeepholes = true} : #first LSTM
DenseLayer {$labelDim$, bias=false} # followed by an adaptor layer (from LSTN output size to the output
浏览 2提问于2017-04-15得票数 0
我使用OpenCV 2.4在C++中工作。
我有一些图像，比如说，360x240 (但这与此无关)，我想为整个图像计算一个HOG向量。
有什么简单的方法可以这样做吗?或者我应该用gpu::HOGDescriptor的winSize来初始化一个与图像大小相等的对象吗？
当您使用winSize方法时，getDescriptors()参数是否相关(或者它只与检测相关的方法相关)？
有什么简单的方法可以告诉向量中每个块图像中的坐标吗？
浏览 2提问于2015-11-08得票数 2
1回答
这个问题与从标准的Mobilenetv2模型转换而来的tflite模型的推断有关.
tf版本: 2.2.0
该模型使用0-1规范化进行了培训，如文档/示例：中所提供的。
在转换到tflite(非量化/优化版本)之后，android示例使用了(-1，1)的预处理，这可以在android文档中的：中找到。也是python文档中的。
为什么推理管道有这种区别？有人能帮助正确的步骤，既量化的和非量化的(浮点模型) tflite模型的0-1规格化的基础模型？
浏览 7提问于2020-06-11得票数 1
1回答
不同尺度的猪特征
、、
假设我们计算不同大小的图像块的HOG特征，范围从64 * 64到128 * 128不等。现在，如果我们想在这些问题上做k-方法，我们是否应该规范属于不同规模的斑块？我知道猪的特征是标准化的，但是规模重要吗？
浏览 0提问于2013-10-11得票数 3
回答已采纳
1回答
我正在用下面的代码实现HOG(定向梯度直方图)。
import io
from skimage.io import imread, imshow
from skimage.feature import hog
from skimage import exposure
from skimage import io
import matplotlib
img = imread('cr7.jpeg')
io.imshow(img)
MC = True #Fpr color images
#MC = false #for grayscale images
hogfv, hog_i
浏览 8提问于2022-06-02得票数 0
我编写了一个Python脚本，它使用scikit-learn将高斯过程与一些数据进行拟合。
简而言之:我面临的问题是，虽然高斯过程似乎很好地学习了训练数据集，但对测试数据集的预测是错误的，在我看来，这背后存在规范化的问题。
具体来说:我的训练数据集是一组1500时间序列。每个时间序列都有50时间分量。高斯过程学习的映射是一组三个坐标x,y,z (代表我的模型的参数)和一个时间序列之间的映射。换句话说，在x,y,z和一个时间序列之间存在1:1的映射，并且GP学习这种映射。这个想法是，通过给训练有素的全科医生新的坐标，他们应该能够给我与这些坐标相关的预测时间序列。
下面是我的代码：
from __
浏览 36提问于2019-10-26得票数 0
回答已采纳
1回答
我使用SWA方法在pytorch中训练模型。
SWA：
我的火车代码的丢失立即跳到了南。
模型的损失上升到nan
损失产出如下。
1.损失:张量(4.8463，设备=‘cuda:0’，grad_fn=)
2.损失:张量(118317.8516，设备=‘cuda:0’，grad_fn=)
3.损失:张量(5.7568e+22，device='cuda:0'，grad_fn=)
4.损失:张量(nan，设备=‘cuda:0’，grad_fn=)
如果没有SWA方法，损失是不会上升的。使用SWA方法的列车模型代码中是否存在问题？
我很感谢你的建议，谢谢。
#batch_size
ba
浏览 2提问于2019-11-09得票数 1
2回答
我有一个反向传播神经网络，我已经创建了它，并用Kdb+数据库用Q编写了它。
我正在将数据预处理到网络中，并将其归一化为0,1的形式，网络在一个划分为60:20:20的大型数据集上训练并预测未来的移动平均。
归一化公式：
processed data: (0.8*(VALn - MINn)/(MAXn - MINn))+0.1
VALn = unprocessed data value
MAXn = max of data set
MINn = min of data set
如何将新数据标准化到最终训练的网络中？
我会通过上面的公式运行新的输入，保持训
浏览 1提问于2014-04-03得票数 0
2回答
我不清楚猪和EOH之间的区别。Hog是基于图像导数的EOH是基于边缘方向。似乎HOG也以某种方式代表了EOH。
你能给我解释一下EOH和HOG有什么不同吗?与HOG相比，EOH有什么优势？与HOG相比，在什么情况下我们可以使用EOH？
浏览 9提问于2012-07-16得票数 7
我正在做一些基本的命令识别，并使用Google Search Input API。然而，我想自己捕获音频，预处理音频(去噪，提高振幅等)，发送这些修改后的音频到识别器并获得结果。有可能吗？
我知道你可以通过onBufferReceived方法同时使用SpeechRecognizer和RecognitionListener来获取音频。然而，我想做的是预处理而不是后处理。有没有什么变通方法/破解方法来将处理后的数据提供给google识别器？
浏览 0提问于2012-05-13得票数 0
回答已采纳
1回答
ValueError:应为2D数组，而不是1D数组: array=0.05760078 0.02291208 0.01819267 ... 0.02739229 0.01199168 0.00890131。如果数据只有一个要素，则使用array.reshape(-1，1)重塑数据形状；如果数据包含单个样本，则使用array.reshape(1，-1)重塑数据。 任何快速的解决方案都能对我有很大帮助。下面是代码： # Define a single function that can extract features using hog sub-sampling and make predi
浏览 12提问于2019-03-07得票数 0
2回答
我试图在openCV中实现一个用于视频捕获的数字识别程序。它以普通(静止)图片作为输入，但当我添加视频捕获功能时，它会在录制时卡住，如果我移动相机。我的程序代码在这里：
import numpy as np
import cv2
from sklearn.externals import joblib
from skimage.feature import hog
# Load the classifier
clf = joblib.load("digits_cls.pkl")
# Default camera has index 0 and externally(USB
浏览 4提问于2017-03-12得票数 0
回答已采纳
2回答
我想用一些硬编码的值初始化成对的向量，我尝试使用不同的解决方案，但是我不断地得到编译错误。我的代码如下所示：
std::vector<std::pair<cv::HOGDescriptor, std::ifstream> > hogs_files = {
std::make_pair(hog, file),
std::make_pair(hog2, file2),
std::make_pair(hog3, file3),
std::make_pair(hog4, file4),
std::make_pair(hog5, file5
浏览 2提问于2016-11-07得票数 0
回答已采纳
1回答
我正在使用Keras和LSTM来构建一个神经网络。网络不能很好地预测，我想通过添加一些初始权重来帮助它。 例如，我想向col4添加一些初始权重，以便神经网络知道col4对于预测col_y的重要性是col2和col3的3倍 timestamp, col_y, co2, col3, col4
9-1-2019 00:00, 136228, 4.9, 19, 0
9-1-2019 01:00, 123012, 4.7, 17, 0
9-1-2019 02:00, 117309, 4.6, 23, 0
9-1-2019 03:00, 114310, 4.5, 12,
浏览 24提问于2020-09-23得票数 1
我正在使用INRIA person dataset，我迭代图像，一切都很好，在我有了这个函数之后
vector<Mat> HOG_extract(Mat input_image, bool patch_size, int width, int height)
{
Mat gray_image;
cvtColor(input_image, gray_image, CV_BGR2GRAY);
HOGDescriptor hog;
hog.winSize = Size(width, height);
hog.blockSize = Siz
浏览 0提问于2018-05-23得票数 1
如何从^pearl(pig|hog)+$获得匹配的输出
var test1 = "pearlhogpigpighog"; // this string should match
var test2 = "pigpighogpearlpig"; // this string shouldn't match
var regex1 = /^pearl(pig|hog)+$/; // thought this should work
var regex2 = /(pig|hog)/g; // gives correct outp
浏览 0提问于2014-07-30得票数 0
我正在我的pod上运行一个cpu-hog实验，并看到它的失败步骤:在混沌注入阶段失败。没有看到任何关于它失败的原因的日志。感谢任何人的帮助。实验、服务帐户和结果文件似乎创建得很好，然而，判决显示它失败了。当工作(跑步者)正在进行时，我抓不到木头。 参考：Cpu-hog experiment yamls I am using are here k logs litmus-8548bd-skvbt -n litmus
{"level":"info","ts":1607551992.9267251,"logger":"con
浏览 54提问于2020-12-10得票数 0
这段代码用于检测字符和绘制矩形，然后预测字符，但它每次都会给我错误！
for rect in rects:
# Draw the rectangles
cv2.rectangle(im, (rect[0], rect[1]), (rect[0] + rect[2], rect[1] + rect[3]), (0, 255, 0), 3)
# Make the rectangular region around the digit
leng = int(rect[3] * 1.6)
pt1 = int(rect[1] + rect[3] // 2 - leng // 2)
pt2 = int(
浏览 1提问于2017-02-27得票数 1
回答已采纳
1回答
我一直在使用efficientnetV2训练网络。
列车过程进行顺利，我达到了93-95%的验证精度.在此之后，我在一个集测试上运行一个推理过程，其中包含的新图像具有可接受的准确性，大约为88% (例如)。
在我检查模型是否工作良好时，我需要将其转换为ONNX，然后再转换为张紧引擎。我有一个脚本可以使用ONNX模型运行推断，以检查我在转换过程中是否有问题。
我使用这段代码来转换模型：
import torch
from timm.models import create_model
import os
# create model
base_model = create_model(
浏览 8提问于2022-06-14得票数 0
1回答
猪特征相似性度量？
、、、、
我正在尝试实现粒子滤波器用于基于检测的跟踪，目前正在尝试基于外观模型更新权重。在跟踪之前，我有一个基于HOG+SVM的检测器，这意味着目前，我有每个被检测到的人的HOG向量。对于新生成的粒子，我希望根据HOG向量与检测器的HOG向量的相似性来设置权重。那么，对于能够衡量HOG向量相似性的算法，有什么建议吗？谢谢
浏览 4提问于2016-04-22得票数 1
我正在播放一些关于递归神经网络的演示。
我注意到我在每一列中的数据规模有很大的不同。因此，我正在考虑在将数据批处理放入RNN之前做一些预处理工作。close列是我想在未来预测的目标。
open high low volume price_change p_change ma5 ma10 \
0 20.64 20.64 20.37 163623.62 -0.08 -0.39 20.772 20.721
1 20.92 20.92 20.60 218505.95 -0.30 -1.4
浏览 1提问于2017-04-18得票数 9
回答已采纳
在取下整个图像的HOG和32x32部分的HOG之后，比较整个图像HOG和32x32 HOG的相同位置后，它们并不相同。有没有一种方法可以设置参数；这样，我就可以使这两个猪相等？
浏览 0提问于2014-05-03得票数 0
1回答
单点定向梯度直方图的计算
、、、
定向梯度直方图( HOG )是如何处理图像中的单个点的？我正在使用计算机视觉工具箱版本的HOG描述符：。
我想在图像中的一个特定点上计算HOG，在单个点上计算HOG的最佳单元格大小和块大小是什么？
浏览 2提问于2017-10-02得票数 1
回答已采纳
1回答
我希望使用proc报表来构建一个显示，而不是简单的proc打印。我的数据是这样的。
A B C D
Bill Harry Bog The
Bill Harry Hog Quick
Bill Harry Log Brown
Bill Hermione Bog Fox
Bill Hermione Hog Jumps
Bill Hermione Log Over
Bill Ron Bog The
Bill
浏览 0提问于2017-09-27得票数 0
回答已采纳
1回答
HOG描述符的实现
、、、、
我试图使用java实现Hog描述符，而不使用在opencv中实现的Hog描述符，但我有以下问题：
HOG检测器和HOG描述符是否相同？
在从图像中提取兴趣点或关键点之后，我们从哪些方面提取HOG描述符？形成整个图像或我们之前从图像中检测到的兴趣点/关键点。
当我们计算梯度时，我们是在计算图像梯度之前还是之后将图像分割成块？
预先表示感谢
浏览 1提问于2014-08-18得票数 0
回答已采纳
3回答
用于对象检测的HOG描述符
、、、、
我想知道，在MATLAB中是否有像“汽车”这样的对象的HOG描述符的实现，而不是人类的实现？
但是，如果只有人，你可以引导我到那个代码，并给我这样的提示，以改善代码用于“对象，如汽车或摩托车”
浏览 4提问于2012-08-04得票数 5
2回答
我尝试在Ubuntu16.04 上用C++中的openCV编译这个关于HOG特征检测的简单演示
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main (int argc, const char * argv[])
{
VideoCapture cap(CV_CAP_ANY);
cap.set(CV_CAP_PROP_FRAME_WIDTH, 320);
cap.set(CV_CAP_PROP_FRA
浏览 0提问于2017-12-30得票数 1
1回答
我为classification task提供了一组数据图像。
我阅读了一些关于图像再处理的文章(在培训CNN模型之前)，这些文章总结了以下步骤：
比例图像值(img / 255.0)
消除噪音(使用Gaussian blur)
morphology
我不确定何时使用每个步骤，以及这些步骤的正确顺序是什么：
在缩放图像之前，我们需要消除噪音吗？(或者这不重要)？
我没有找到很多关于形态学步骤的文章: 2.1我们什么时候使用形态学？(使用这个后处理步骤总是正确的吗? 2.2正确的顺序是什么？使用形态学后，缩放和消除噪音？
浏览 0提问于2021-05-10得票数 0
回答已采纳
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
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
