張潤達電子商務網站

 由于计算机技术的飞速发展，世界各地的电子商务都得到了迅速的发展。电子商务在经济发展的各个领域得到了广泛的应用，并取得了良好的效果。当前世界各国正积极开展电子商务，国际电子商务环境使我国的国际贸易呈现出新的面貌。我国作为发展中国家，面对发展电子商务既是机遇，又是挑战。 电子商务是指在计算机网络技术的基础上，以因特网为网络交易平台进行商品贸易和经济活动。电子商务既是一种交易方式，又是一种在商业中广泛使用的信息传播方式。电子商务具有高效性、开放性、地域广泛性、成本低廉等诸多特点。打破传统贸易的种种限制，有利于促进我国经济的发展。 计算机技术在世界范围内的不断发展是电子商务发展的基础。计算机的发展为电子商务的发展提供了大量的机遇和条件，其中最重要的是基础技术保障。电子商务采用最新的计算机网络技术，为企业提供一个沟通与管理平台。电子商务体现了商务智能化。喀什包装箱招标 电子商务的具体特征表现为：首先，电子商务面向全球市场，只要有互联网技术，全球范围内都可以开展电子商务业务。其次，电子商务交易一般都比较方便、简单。在电子商务时代，国际贸易的交易变得更加简单，所有的步骤都可以通过网络完成，支付起来更加方便。最后，电子商务可以降低贸易成本。在国际贸易中，无论是从传统的理论还是实践上，双方的谈判、签订合同、支付定金，都需要双方面对面交谈，这就造成了吃、住、行等方面的开销。 ———————————————— 版权声明：本文为CSDN博主「rrxcn」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/rrxcn/article/details/122965229

 今天小编整理的主要内容是：电子商务 先来来了解一下什么是电子商务 原始电子商务 使用电子信息技术工具进行商务活动。使用了诸如电报、电话、广播、电视、传真以及计算机、计算机网络等手段、工具和技术进行商务活动，都可以称之为电子商务。 现代电子商务 电子商务通常是指在网络环境下，买卖双方不需见面，实现网上（线上）交易、在线支付（或者货到付款）、智能配送以及相关综合服务的一切活动，是完全创新的或者在一定程度上模拟传统商务流程的一种以信息化手段应用为典型特征的商业运营模式。 可以认为EDI（电子数据交换）是链接原始电子商务和现代电子商务的纽带。 电子商务的基本特征 普遍性：集成到了数字化的网络经济中 便利性：各方不受地域、环境、交易时间的限制 整体性：将人工操作和电子信息处理集成为一个不可分割的整体 安全性：加密、身份认证、防入侵、数字签名、防病毒等技术手段 协调性：是一种磋商、协调的过程 电子商务系统的结构 电子商务系统架构 网络基础设施：信息传输平台、运行TCP/IP网络协议、网络接入。 多媒体内容和网络出版的基础设施：负责管理涉及的各种信息，包括文字、语音、图像、视频。 报文和信息传播的基础设施：电子邮件系统、在线交流系统、基于HTTP或HTTPS的信息传输系统、流媒体播放系统。 商业服务的基础设施：商品目录和价格目录、电子支付网关、安全认证。 技术标准：定义了用户接口、传输协议、信息发布标准、安全协议等技术细节。 政策、法律：税收制度、信用管理及收费、隐私问题等由政府制定的规章制度。 电子商务的类型 企业与企业之间的电子商务（B2B）如：阿里巴巴。 商业企业与消费者之间的电子商务（B2C）如：京东、当当、苏宁。 消费者与消费者之间的电子商务（C2C）如：淘宝、易趣。 O2O即Online To Offline： 含义是线上购买线下的商品和服务，实体店提货或者享受服务。 O2O平台在网上吧线下实体店的团购、优惠的信息推送给互联网用户，从而将这些用户转换为实体店的线下客户。 借助O2O，能够迅速地促进门店销售，特别适合餐饮、院线、会所等服务类连锁企业，并且通过网络能迅速掌控消费者的最新反馈，进行个性化服务和获取高粘度重复消费。 场景有：淘宝网、京东商城、APP手机约车服务、携程网、途牛等。 电子商务发展支撑保障体系 法律法规体系 标准规范体系 安全认证体系 信用...

 首先，当然是要配置好环境啦，这里相信屏幕前的你已经配置好了，如果没有配置好也不用着急。可以看一下本博主另一篇保姆教程，请移步：https://blog.csdn.net/weixin_39954922/article/details/105785460，，，，啊哈哈哈哈 一、配置好之后，最重要的就是数据集，因为博主报名参加了RM比赛，所以就用大疆给的官方数据集试验了一下，首先准备两个数据集，一个是图片数据集Image，一个是每个图像内标记好目标后生成的xml文件Annotation。这里我只用了两百张图片：如下图： 二、把图片放在darknet.exe同级目录下的data文件夹，在data内新建文件夹专门用来存放图片，这里我建立的是robomaster文件夹。 三、需要准备两种txt文件，一种是train.txt，这个txt文件要放在data文件夹下，且内容为存储了每张图片相对于darknet.exe的路径，笔者的文件如下： 另一种TXT文件是每张图片都对应有一个，是通过xml文件得来的，每个TXT文件里面都是纯数字如图一所示，记录了标记目标的信息。这个TXT的命名与对应图片的命名一样，且训练时要放置在与image相同目录下，如图2所示： 图一 图二   四、在data文件夹下建立.names和.data文件。笔者建立的是robomaster.names和robomaster.data文件，在robomaster.names文件里面写上要检测的目标的名称，每个名称占用一行，如图三所示，这里检测目标有五个 图三 robomaster.data文件的内容包括总共有多少类对象，train.txt的文件路径，备份路径等，如图四所示。classes要改成对应的数字，如果你想检测的目标有6个，就改成6。 图四   五、建立训练所需的.cfg文件，在cfg文件夹下创建，笔者直接复制的原有的yolov4.cfg，并改名为yolov4-robomaster.cfg。 六、更改cfg文件内的参数。非常重要！！！ 6.1更改batch为batch=64 6.2更改subdivisions为subdivisions=16 6.3更改max_batches为classes数*2000，但是不要少于4000，例如笔者这里有classes=5,那么max_batch...

 代码小白，第一次认真看大段大段的代码，基础知识严重欠缺，如有错误望指正。 进入正题： 测试命令示例： $./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg results/tiny-yolo-voc_6000.weights data/images.jpg 1 一、main函数 目前最新版本的darknet中，darknet.c和detector.c都在examples文件夹中。 首先，从主函数开始解析命令行参数，然后根据不同的命令行参数进入不同的调用方法。（本文不考虑GPU部分代码） //darknet.c int main(int argc, char **argv) {     //test_resize("data/bad.jpg");     //test_box();     //test_convolutional_layer();     //如果没有任何命令行参数，则打印一句提示信息：Usage: [应用程序名称] <function>，即告诉你要指定一个命令行参数。     if(argc < 2){         fprintf(stderr, "usage: %s <function>\n", argv[0]);         return 0;     }     if (0 == strcmp(argv[1], "average")){         average(argc, argv);     }  else if (0 == strcmp(argv[1], "detector")){         run_detector(argc, argv);     }//第一个参数是detector，跳转到run_detector函数     return 0; ...

 最近新出了YOLOV4，我系统的从V1开始整理出稿，传送门： 【YOLOv1原文+翻译】You Only Look Once Unified, Real-Time Object Detection 【YOLOv2原文+翻译】YOLO9000: Better, Faster, Stronger 【YOLOv3原文+翻译】YOLOv3：An Incremental Improvement 【YOLOv4原文+翻译】YOLOv4：Optimal Speed and Accuracy of Object Detection 实验室大佬在Ubuntu16.04上轻松实现，我也来个Win10版的~ 先上一张成功检测的结果图： 正文开始 WIN10+YOLOv4，windows上完美执行YOLOv4目标检测 1 软件安装 1.1 下载安装NVIDIA显卡驱动 1.2 下载安装CUDA 1.3 下载安装cuDNN 1.4 下载安装OpenCV 1.5 下载安装VS2019 2 配置YOLOv4环境 2.1 下载YOLOv4 2.1 复制OpenCV文件 2.2 VS2019项目配置 2.3 修改darknet.vcxproj 2.4 拷贝CUDA文件 2.5 下载YOLOv4预训练权重文件 3 目标检测 1 软件安装 我的软件环境：WIN10，CUDA10.2，cuDNN7.6.5，python3.7，VS2019，OpenCV3.4.2 硬件环境：GTX2080Ti ×2，80G内存 1.1 下载安装NVIDIA显卡驱动 设备管理器查看自己电脑的显卡型号，然后进入NVIDIA驱动下载，下载对应硬件的驱动版本。安装好后，把 C:\Program Files\NVIDIA Corporation\NVSMI 添加到环境变量的path中，然后CMD中输入： nvidia-smi 如果显示下图内容，证明驱动安装成功： 1.2 下载安装CUDA CUDA官网已到11.0版本，我建议用10.2版本。 传送门：各个版本的CUDA下载 点击 CUDA Toolkit 10.2 (Nov 2019)下载 建议默认路径安装。 安装时勾选Visual Studio Integration 安装后配置环境变量 计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了...

 本文轉載自https://aiacademy.tw/yolo-v4-intro/ YOLOv4 產業應用心得整理 - 張家銘 2020 年在 AI 領域中有不少令人振奮的技術創新，像是在電腦視覺領域的 YOLO v4 以及自然語言領域的 GPT-3，而 YOLO (You Only Look Once) 為物件偵測 (Object Detection) 的重要技術。 YOLO 首次於 2015 年 6 月由 Joseph Redmon 提出，隨著時間推進又推出了 YOLOv2 (2016.12)和 YOLOv3 (2018.04)，而在 2020.02.21 時 YOLO 之父 Joseph Redmon 宣布退出電腦視覺領域，但是這並不影響 YOLO 的進化，在 2020 年 4 月時就推出了 YOLOv4，總共有三位作者，第一個是來自俄羅斯的 Alexey Bochkovskiy，他曾經參與 YOLO github 的項目維護，而另外兩位則來自台灣，分別是中央研究院資訊所的廖弘源所長與王建堯博士，YOLOv4 在 AI Rewind 2020: A Year of Amazing Papers 榮獲 2020 年度最驚艷的論文之一，簡直是 AI 界的台灣之光。 那麼紅的 YOLOv4 想必大家都在使用，在我們台灣人工智慧學校技術領袖班的結業專題中，使用的組別也是大有人在。在本篇文章中，將整理一些使用 YOLOv4 的心得 : (關於技術細節方面並不會深入探討) 物件偵測能應用在哪裡 YOLOv3 和 YOLOv4 差異 CFG 說明 (超參數) 人臉偵測的 YOLO 模型 模型部屬 使用 YOLOv4 時常見的狀況 結語 物件偵測能應用在哪裡 物件偵測在現實生活中可以解決許多問題，例如 瑕疵偵測：製造業常用的瑕疵檢測 社交距離+口罩偵測：目前疫情下的口罩偵測以及維持社交距離 人臉偵測：進一步可以發展為人臉辨識，進而實現人臉打卡、罪犯追蹤 交通路況偵測：促進智慧交通的發展，像是車流或是人流偵測 來源：立達軟體科技股份有限公司、長庚大學、中研院 YOLOv4 展示影片如 影片一 所示： 影片一，YOLOv4 展示影片 YOLOv3 和 YOLOv4 差異 YOLOv3 發表於 2018 年 4 月，讓我們來看看經過兩年後 YOLO 進化成怎樣吧！ 在 圖一...