确定发布 调整阈值 训练好的模型可以通过调整阈值，影响机器人直接回答的准确率。阈值越高，机器人越严谨，对用户问的泛化能力越弱，识别准确率越高；阈值越低，机器人越开放，对用户问的泛化能力越强，识别准确率越低。 针对历史版本的模型，可以根据当前模型调节直接返回答案的阈值。 在“模型管理”页面，在模型列表的操作列单击“调整阈值”。

查看更多 →

应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 步骤2：准备应用运行环境 步骤2：准备应用运行环境 更多 云服务器 卡顿 应用容器化改造介绍 应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 更多 Ping不通 应用容器化改造介绍 应用容器化改造流程

查看更多 →

启动AI人脸检测 接口名称 WEB_AiFaceDetectionStartAPI(后续废弃) 功能描述 启动AI人脸检测 应用场景 启动AI人脸检测 URL https://ip/v1/ai/face-detection/start?ActionID=WEB_AiFaceDetectionStartAPI

查看更多 →

如何实现人脸唤醒功能？ 人脸唤醒功能需要通过企业智慧屏的内置WEB管理界面打开，在设备休眠后1分钟可以通过人脸进行唤醒，设置1分钟的时间限制是为了考虑误唤醒的场景。 父主题： AI

查看更多 →

用户通过实时访问和调用API获取人脸处理结果，帮助用户自动进行人脸的识别、比对以及相似度查询等，打造智能化业务系统，提升业务效率。 当前人脸识别提供了以下子服务： 人脸检测 人脸比对 人脸搜索 活体检测 人脸检测 人脸检测是在图像中准确识别出人脸的位置和大小。用户通过该服务，可以

查看更多 →

智慧园区人脸检测 环境准备 IEF服务配置 下发人脸检测算法

查看更多 →

添加人脸到人脸库中。将单张图片中的人脸添加至人脸库中，支持添加最大人脸或所有人脸。 查询人脸 查询指定人脸库中人脸信息。 更新人脸 根据人脸ID（face_id）更新单张人脸信息。 删除人脸 根据指定字段删除人脸库中人脸，删除后人脸库容量会相应的释放。 批量删除人脸 自定义筛选条件，批量删除人脸库中的符合指定条件的多张人脸。

查看更多 →

确认学习结果 HSS学习完白名单策略关联的 服务器 后，输出的学习结果中可能存在一些特征不明显的可疑进程需要再次进行确认，您可以手动或设置系统自动将这些可疑进程确认并分类标记为可疑、恶意或可信进程。 学习结果确认方式，在创建白名单策略时可设置： “学习结果确认方式”选择的“自动确认可

查看更多 →

应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 步骤2：准备应用运行环境 步骤2：准备应用运行环境 更多 访问外网 应用容器化改造介绍 应用容器化改造流程 步骤1：对应用进行分析 步骤2：准备应用运行环境 更多 常见问题 了解更多常见问题、案例和解决方案 高频常见问题

查看更多 →

获取人脸图像 表1 获取人脸图像 REST URL格式 访问方法 URI GET /v1/ai/face-detection/picture?id={id} 接口功能 获取人脸检测图片。在收到消息MSG_AI_FACE_DETECTION_RESULT后，根据消息体中人脸识别ID获取对应的图像数据。

查看更多 →

关闭AI人脸检测 接口名称 WEB_AiFaceDetectionStopAPI(后续废弃) 功能描述 关闭AI人脸检测 应用场景 关闭AI人脸检测 URL https://ip/v1/ai/face-detection/stop?ActionID=WEB_AiFaceDetectionStopAPI

查看更多 →

人脸库资源管理 创建人脸库 查询所有人脸库 查询人脸库 删除人脸库 父主题： API

查看更多 →

提供“自动学习白盒化”能力，开放模型参数、自动生成模型，实现模板化开发，提高开发效率 采用自动深度学习技术，通过迁移学习（只通过少量数据生成高质量的模型），多维度下的模型架构自动设计（神经网络搜索和自适应模型调优），和更快、更准的训练参数自动调优自动训练 采用自动机器学习技术，基于

查看更多 →

识别多个物体或者物体的计数等。可应用于园区人员穿戴规范检测和物品摆放的无人巡检。 预测分析 预测分析项目，是一种针对结构化数据的模型自动训练应用，能够对结构化数据进行分类或者数据预测。可用于用户画像分析，实现精确营销。也可应用于制造设备预测性维护，根据设备实时数据的分析，进行故障识别。

查看更多 →

0中的Keras高层接口及TensorFlow2.0实战 深度学习预备知识 介绍学习算法，机器学习的分类、整体流程、常见算法，超参数和验证集，参数估计、最大似然估计和贝叶斯估计 深度学习概览 介绍神经网络的定义与发展，深度学习的训练法则，神经网络的类型以及深度学习的应用 图像识别、 语音识别 、 机器翻译 编程实验

查看更多 →

样本增强（随机翻转、裁切、对比度亮度增强、归一化等）、loss函数、优化器等参数，并支持用户自定义更多超参数，提升无代码模型开发效率。 图13 网络结构及模型参数配置 图14 网络结构及模型参数配置2 模型训练 模型训练多维度可视化监控，包括训练精度/损失函数曲线、GPU使用率、训练进度、训练实时结果、训练日志等。

查看更多 →

盘古大模型依托海量且多样化的训练数据，涵盖从日常对话到专业领域的广泛内容，帮助模型更好地理解和生成自然语言文本，适用于多个领域的业务应用。这些数据不仅丰富多样，还为模型提供了深度和广度的语言学习基础，使其能够生成更加自然、准确且符合语境的文本。 通过对海量数据的深入学习和分析，盘古大模型

查看更多 →

调用API实现人脸检测 本章节提供了通过Postman调用FRS服务人脸检测API（V2）的样例，帮助您零编码快速体验并熟悉FRS服务的使用方法。 使用FRS服务API的详细步骤如下所示： 步骤1：开通服务 步骤2：配置环境 步骤3：Token认证鉴权 步骤4：调用服务 准备工作

查看更多 →

获取AI人脸图片 接口名称 WEB_GetAiFacePictureAPI(后续废弃) 功能描述 获取AI人脸图片 应用场景 获取AI人脸图片 URL https://ip/v1/ai/face-detection/picture?ActionID=WEB_GetAiFacePictureAPI

查看更多 →

Programming Interface，应用程序编程接口）的方式提供给用户，用户通过实时访问和调用API获取推理结果，帮助用户自动采集关键数据，打造智能化业务系统，提升业务效率。

查看更多 →

本参数值越大，算法的性能消耗就越低，但会影响人脸提取的效果。 face_first_send_threshold 否 Float 对应控制台的界面参数“人脸首次发送时间”。 表示从检测出人脸到发送人脸图之间的计时，单位为s，取值范围[0, 360]，默认值0。 从人脸被检测跟踪开始计时，至该参数

查看更多 →