浅谈点云与三维重建
浅谈点云与三维重建
目标检测论文解读复现【NO.21】基于改进YOLOv7的小目标检测
当前，目标检测技术趋于成熟，但小目标检测仍是研究的难点所在。针对目标检测过程中小目标像素少、覆盖面积小、信息少更容易出现漏检情况的问题，提出了一种改进的YOLOv7目标检测模型。
OpenCV实战——拟合直线
在某些计算机视觉应用中，不仅要检测图像中的线条，还要准确估计线条的位置和方向。本节将介绍如何找到最适合给定点集的线。
注意力机制详解系列（四）：混合注意力机制
混合注意力是机制基于通道注意力和空间注意力机制，将两者有效的结合在一起，让注意力能关注到两者，又称混合注意力机制，如CBAM,BAM,scSE等，同时基于混合注意力机制的一些关注点，如关注各种跨维度的相互作用；关注长距离的依赖；RGA关注关系感知注意力。
Jetson Xavier NX基于YOLOv5+CSI摄像头实现目标检测
Jetson Xavier NX基于YOLOv5+CSI摄像头实现目标检测
从DDPM到DDIM：深入解读《Denoising Diffusion Implicit Models》
DDIM发表在ICRL2021上，是DDPM重要的改进之一，能显著提高DDPM的样本质量、减少采样时间，并且能显式控制插值，已经被广泛应用到现在的Diffusion Models上。这篇博客和大家一起详细解读一下DDIM，认识这一伟大的模型。.........
车道线检测数据集介绍
车道线检测数据集介绍
神经辐射场 3D 重建——NeRF
本文是阅读 ECCV2020 论文 NeRF 后所做的笔记。文章首先对论文中 5D 坐标的理解做出相关图示，然后对“世界-相机-图像”三种坐标系的转换以及常见图像质量评估指标进行简单阐述，接着对 NeRF 的网络结构进行详细解释（包括网络主体流程、体渲染、位置编码、多层级采样、损失函数），最后通过训
医学图像处理的SCI期刊和顶会
医学图像处理的SCI期刊和顶会 TMI MIA MIDL等等
Opencv中的cv2.calcHist()函数的作用及返回值
Opencv中的cv2.calcHist()函数的作用及返回值
Paper Reading - 综述系列 - Hyper-Parameter Optimization（上）
自开发深度神经网络以来，几乎在日常生活的每个方面都给人类提供了比较理性的建议。但是，尽管取得了这一成就，神经网络的设计和训练仍然是具有很大挑战性和不可解释性，同时众多的超参数也着实让人头痛，因此被认为是在炼丹。因此为了降低普通用户的技术门槛，自动超参数优化（HPO）已成为学术界和工业领域的热门话题。
【目标跟踪】卡尔曼滤波器(Kalman Filter) 含源码
卡尔曼滤波器在目标跟踪中的使用
毕业设计-机器视觉的疲劳驾驶检测系统-python-opencv
毕业设计-机器视觉的疲劳驾驶检测系统-python-opencv:疲劳检测系统是指利用驾驶员的面部特征、眼部信号、头部运动性等推断驾驶员的疲劳状态，并进行报警提示和采取相应措施的装置。一些汽车装备的疲劳监测系统被称为“疲劳识别系统”(它从驾驶开始时便对驾驶员的操作行为进行记录)并能够通过识别长途旅
【单目3D目标检测】FCOS3D + PGD论文解析与代码复现
本文对OpenMMLab在Monocular 3D detection领域做的两项工作FCOS3D和PGD（也被称作FCOS3D++）进行介绍。
(二)匈牙利算法简介
视觉追踪基础，匈牙利算法简介
【将高光谱、多光谱和全色图像进行融合】
仅供自己参考
【车道线检测】霍夫变换(HoughLines)检测直线详解
霍夫变化 车道线检测
基于轻量级CNN开发构建学生课堂行为识别系统
基于轻量级CNN开发构建学生课堂行为识别系统
带图讲解，深度学习YOLO里面的anchors的进阶理解
可视化网格grid及anchors
【yolov6系列一】深度解析网络架构
在yolov5霸屏计算机视觉领域很久时，六月处美团开源了yolov6，并号称在精度和速度上均超越其他同量级的计算机视觉模型，刚刚瞅了一眼，star已经超过2.8k。网上基于yolov6的解读有很多，文末会附上美团的官方解读和开源代码的github链接。文本开始yolov6系列，先和大家分享下整个yo
