【人工智能】人工智能的技术研究与安全问题的深入讨论
人工智能的定义详解与研究价值的讨论1. 技术研究2. 研究方法2.1 大脑模拟2.2 符号处理2.3 子符号法2.4 统计学法2.5 集成方法3. 智能模拟4. 学科范畴5. 涉及学科6. 研究范畴7. 安全问题8. 实现方法9. 与人类差距
毕业设计-基于BP神经网络的水果识别系统-matlab
毕业设计-基于BP神经网络的水果识别系统-matlab：我国地域广阔、水果资源丰富，随着科技发展和社会需求 的加大，水果的种植规模也在不断增大；同时也出现了复合型 果园。在复合型果园场景中，借助水果识别系统配合机械化设 备可以完成自动采摘、分拣等操作；尽管人工同样能实现相同 的操作，但是效率不高、需
MiniGPT-4开源了，史无前例的AI图片内容分析，甚至能用于逻辑验证码推理识别
MiniGPT-4 仅使用一个投影层将来自 BLIP-2 的冻结视觉编码器与冻结 LLM（小羊驼）对齐。我们用两个阶段训练 MiniGPT-4. 第一个传统的预训练阶段是使用 4 个 A100 在 10 小时内使用大约 500 万个对齐的图像-文本对进行训练。在第一阶段之后，小羊驼能够理解图像。但小
RV1106 stb图像库、opencv、rga对比评测
rknn opencv rga
【机器视觉技术】：开创人工智能新时代
机器视觉技术以其独特的优势，近年来在人工智能、智能制造、自动驾驶等领域发挥着越来越重要的作用。本文将详细介绍机器视觉技术的实现过程，面临的挑战以及未来的发展趋势。通过对机器视觉技术的深入了解，我们将更好地理解其应用场景和潜力，为未来的技术发展提供有价值的参考。
Ubuntu20.04+Quadro RTX 5000，3D gaussian环境配置
2020年，NeRF的出现之际引起了轩然大波，出现了大量相关工作。3D gaussian算是新视角生成领域目前的SOTA，可以进行实时的渲染；最大训练速度上可以与Instant相当，且质量差不多；增加迭代次数后，可以显著提高重建质量，在训练时间51min的情况下，重建效果可以稍微超过Mip-NeRF
【计算机视觉】COCO Caption数据集简单介绍
【计算机视觉】COCO Caption数据集简单介绍
霍夫变换直线检测原理和应用
尽管该算法现已集成在各种各样的图像处理库，但本文通过自己实现它，我们可以深入了解在创建如此复杂的算法时所面临的挑战和局限性。嗯嗯，您学废了嘛？戳我。
5.OpenCV图像拼接
图像拼接（Image Stitching）是一种利用实景图像组成全景空间的技术，它将多幅图像拼接成一幅大尺度图像或360°全景图，可视作场景重建的一种特殊情况，其中图像仅通过平面单应性进行关联。图像拼接在运动检测和跟踪，增强现实，分辨率增强，视频压缩和图像稳定等机器视觉领域有很大的应用。...
OpenCV(7):边缘检测之Sobel算子，Scharr算子，Laplacian算子和Canny算子边缘检测
本文讲解四种常见的边缘检测算子
windows环境colmap安装
colma的详细安装，包括依赖库cmake，boost，qt5，cgal
我在Vscode学OpenCV 几何变换（缩放、翻转、仿射变换、透视、重映射）
CV几何变换（缩放、翻转、仿射变换、透视、重映射）仿射变换是一种线性变换，可以通过矩阵的乘法来描述。这种变换在保持图像中的平行性和直线性方面非常强大，因此在图像处理和计算机视觉领域得到广泛应用。它能够实现平移、旋转、缩放和剪切等操作，并且在变换后仍然能够保持空间关系的几何特性。
ORB-SLAM3复现的详细过程——配置安装及ROS和脚本运行---Ubuntu20.04
所提供的图像具有高动态范围，事先进行了光度标定，用20Hz的帧率采集，分辨率为1024像素*1024像素；需要下载数据集dataset-room1_512_16和rgbd_dataset_freiburg1_desk。在一键安装ROS后，只需要再安装Pangolin即可，其他所有的需要都已经存在。用
【计算机视觉】ViT：代码逐行解读
【计算机视觉】ViT：代码逐行解读
Swin-transformer详解
这篇论文提出了一个新的 Vision Transformer 叫做 Swin Transformer，它可以被用来作为一个计算机视觉领域一个通用的骨干网络.但是直接把Transformer从 NLP 用到 Vision 是有一些挑战的，这个挑战主要来自于两个方面一个就是尺度上的问题。因为比如说现在有
多模态情感识别-MISA: baseline解读
不同模态数据分布的异质性使得模态融合的难度较高
nnUNet原创团队全新力作！MedNeXt：医学图像分割新SOTA
MedNeXt是nnUNet原创团队于2023年3月17日上传至arxiv上的新作品，该模型受ConNeXt启发，根据Transformer改进了现有的卷积网络，实现了医学图像分割领域的SOTA。除了用Transformer改造UNet之外，MedNeXt还改进了上采样和下采样块、提出了一个用小卷积
【论文笔记】用于图像拼接的基于深度学习的图像矩形化算法
图像拼接矩形化的目的是解决图像拼接后产生不规则边界的问题。现有的图像拼接矩形化方法通常分为两个阶段：第一个阶段是搜索一个初始网格，也就是在拼接图像上放置一个规则的网格，用来描述图像上每个点的位置；第二个阶段是优化一个目标网格，也就是在初始网格的基础上进行一些变形，使得网格边缘尽可能地与矩形边界对齐。
用TrackEval评测自己的数据集
跑通代码最重要的就是路径问题, 为此我写了两个config模板, 让配置路径更简单.
图像配准：基于 OpenCV 的高效实现
在这篇文章中，我将对图像配准进行一个简单概述，展示一个最小的 OpenCV 实现，并展示一个可以使配准过程更加高效的简单技巧。什么是图像配准图像配准被定义为将不同成像设备或传感器在不同时间和角度拍摄的两幅或多幅图像，或来自同一场景的两幅或多幅图像叠加起来，以几何方式对齐图像以进行分析的过程（Zito
