出品人：Towhee 技术团队 王翔宇、顾梦佳视频理解包括许多有趣的任务理解空间和时间信息，其中最具挑战性的问题之一就是特征提取。由于无约束视频冗长和复杂时间结构，从未修剪的视频提取上下文视觉表征变得十分困难。不同于现有的方法使用预训练的骨干网络作为黑盒来提取视觉表示，基于感知的多模态表征 PMR 旨在通过可...

QueryCoord 是 Milvus 中查询集群的中心调度节点，在用户将一个 Collection Load 到内存中时，QueryCoord 负责将该 Collection 的 Segment 调度到 QueryNode 集群中，以支持后续的查询。

继年初发布 Milvus 2.0 版本之后，在数百位 Milvus 社区贡献者六个月的共同努力下，我们在早些时候发布了 Milvus 2.1 版本，经过两个月的数次迭代，版本趋于稳定，被国内外头部厂商信任和选择使用。

编者按：本文详细介绍了 Milvus 2.0 系统的核心计算引擎 Knowhere，包括代码概览、如何添加索引，及对 Faiss 所做的优化。

编者按：本文详细介绍了 Milvus 2.0 质量保障系统的工作流程、执行细节，以及提高效率的优化方案。内容大纲：质量保障总体介绍 测试内容的关注点 开发团队与质量保障团队如何协同 Issue 的管理流程 发布标准测试模块介绍 总体介绍 单元测试 功能测试 部署测试 可靠性测试 稳定性和性能测试提效方法和工具 Github Action ...

编者按：本文详细介绍 Milvus 2.0 如何通过查询表达式、查询语法生成、查询操作执行来完成属性过滤。大纲分享：查询表达式的文法规则查询语法的生成语法树的解释和执行查询表达式的文法规则Milvus 支持的查询表达式如下图所示，Milvus 运用 EBNF 语法，此处用等式和语法图体现了 Milvus 所支持的查询表达式的整体规则。...

编者按：本文详细介绍 Milvus2.0 如何对查询节点的数据进行管理，以及如何提供查询能力内容大纲：快速回顾 Milvus 进行数据插入与持久化存储相关的流程及机制；如何将数据加载进查询节点（Query Node）以进行查询操作 ；Milvus 上实现实时查询的相关操作和流程。快速回顾 Milvus 进行数据插入与持久化相关的流程与机制Mi...

编者按：本文详细解剖 Milvus 2.0 主要的数据处理流程以及访问接入层（ Access Layer）。分享大纲：回顾 Milvus 2.0 的架构；介绍 Milvus 2.0 代码结构的组织方式；介绍主要的数据处理流程；具体介绍访问接入层。主要数据处理流程Milvus 2.0 中主要的数据处理流程包括读写路径、建表等数据定义操作以及向量索引构建流程...

编者按：本文详细介绍了Milvus2.0数据插入流程以及持久化方案Milvus 2.0 整体架构介绍数据写入相关的组件介绍ProxyData coordData nodeRoot coord & Time tickData allocation 数据分配数据组织结构文件结构及数据持久化Milvus 2.0 整体架构介绍上图是 Milvus 2.0 的一个整体架构图，从最左边 SDK 作为入口，通过 Load B...

“万物皆可 Embedding”这句话似乎每个做算法模型小伙伴都听过了。“万物”具体是指什么呢？Embedding 又是如何实现的呢？本文介绍了一款像积木般易于组合、开箱即用的 Embedding 流水线。本文转载自知乎用户 CSY，转载已获得原作者授权。原文请见：[链接]

文章0 1AI 如何画出虚拟老婆的？最近大火的 Waifu Labs 项目使用生成对抗网络方法，训练 AI 创作「虚拟老婆」。这篇文章[1]解剖 AI 学习的步骤，我们可以看到一张二次元面孔是如何在一片混沌中生成的。生成对抗网络简称 GAN，是非监督式学习的一种方法，你可以把它想象成一对为了学习而相互博弈的 AI：一个 AI 学习如何...

股票、证券等金融交易越来越多地脱离线下而转向线上进行，指纹、人脸等生物识别技术普及，而与「钱」相关的场景，如何精确地完成身份识别和认证？如何保证业务合规？具体而言：

作者简介 李云梅，Zilliz 数据工程师，毕业于华中科技大学计算机系。加入 Zilliz 以来，致力于为开源向量数据库 Milvus 探索解决方案，帮助用户打造场景应用。深入关注自然语言处理技术和搜索推荐系统，日常喜欢一个人猫着乱翻书。

陈室余， Zilliz 数据工程师，毕业于西安电子科技大学计算机学系。自加入 Zilliz 以来，致力于在音视频分析、化学分子式检索等各领域为 Milvus 开源项目探索解决方案，目前也在持续探索更多有趣的方案。为了好好生活、延年益寿，平时非常热爱运动。

发布时间：2020-10-16版本兼容升级必看 ⚠️1. 调整了 partition tag 的支持字符集：不支持使用英文字母、数字、"_"、"$" 以外的字符命名 partition tag。partition tag 的首字母不支持使用英文字母或下划线以外的字符。2. 服务端配置文件结构调整server_config.yaml 更名为 milvus.yaml，配置参数兼容 a.b.c: value 的展...

以图搜视频，顾名思义就是拿一张图片去视频底库里面搜索包含相似镜头的视频。以图搜视频中一个关键的步骤就是视频向量化，视频向量化即在视频中抽取关键帧，对每帧视频进行特征提取，将其转化为结构化的向量。至此，好奇的读者可能会问，这和以图搜图有什么区别呢？是的，对视频所有关键帧图片的搜索本质上就是以图搜图。

新药研发领域长期以来都以耗时长、成本高、风险大、回报率低而著称，一款新药的平均研发成本已经高达 26 亿美元，而平均耗时需要十年。尽管付出了如此高昂的研发成本和漫长的研发周期，却依然无法保证所研发的药物能够顺利通过全部临床实验而投放市场。即便是难度较低的仿制药研发，其研发的进程也是十分缓慢。

Milvus 向量搜索引擎开源半年以来，全球已经有过百家企业或组织用户。小米作为一家专注于智能硬件和电子产品研发的全球化移动互联网企业，也是 Milvus 的重要用户。

问答系统是自然语言处理领域一个很经典的问题，它用于回答人们以自然语言形式提出的问题，有着广泛的应用。其经典应用场景包括：智能语音交互、在线客服、知识获取、情感类聊天等。常见的分类有：生成型、检索型问答系统；单轮问答、多轮问答系统；面向开放领域、特定领域的问答系统。本文涉及的主要是在检索型、面向特...

Milvus 特征向量相似度搜索引擎通过技术委员会投票，正式加入 Linux AI（LF AI）基金会成为其最新的孵化项目。LF AI 基金会的使命是建立和支持开放的人工智能社区，通过促进协作和创新为社区所有成员创造新机会，推动人工智能（AI）、机器学习（ML）和深度学习（DL）领域的开源创新。