【人工智能】MAAS 模型即服务：概念、应用场景、优势、挑战等 —— 我们人类已经进入人工智能大模型时代
MAAS即模型即服务，是一种通过网络提供人工智能模型的服务，用户可以通过API或其他接口访问和使用这些模型。MAAS的基本原理是将模型部署在云端服务器上，用户可以通过网络连接到这些服务器，使用云端的计算资源和存储空间，以及高效的模型部署和管理机制，从而实现模型的快速部署和使用。MAAS的出现，主要是
torchvision.models简介
torchvision.models简介
论文配色方案（收藏）
论文配色方案（收藏）
计算机专业研究方向相关论文查找方法，分享给大家，实测有用。
论文文献查找的方法合集
AI 大模型 LLM 中的注意力架构原理
上文所举的机器翻译的例子里，因为在计算Attention的过程中，Source中的Key和Value合二为一，指向的是同一个东西，也即输入句子中每个单词对应的语义编码，所以可能不容易看出这种能够体现本质思想的结构。在一般任务的Encoder-Decoder框架中，输入Source和输出Target内
ICP算法（仅供学习使用）
ICP（Iterative Closest Point）细化是一种点云配准算法，用于将两个或多个点云数据集对齐，以便进行后续的三维重建、拓扑分析等操作。在ICP细化中，通过迭代计算最小化两个点云之间的距离，来优化一个点云到另一个点云的转换矩阵（旋转矩阵和平移向量）。通过反复迭代，ICP细化算法可以逐
U-ViT（CVPR2023）——ViT与Difussion Model的结合
扩散模型（Diffusion Model）最近在图像生成领域大火。而在扩散模型中，带有U-Net的卷积神经网络居于统治地位。U-ViT网络是将在图像领域热门的结合应用在了中。本文将从Vision Transformer出发，分析U-ViT这篇CVPR2023的Paper并记录一些感想。
什么是卷积
此文章简单讲解了卷积是什么、卷积为什么这么厉害、卷积神经网络是什么。
计算机视觉——【数据集】MOT17、COCO数据输入格式、数据集可视化脚本
如下所示，该数据集中的文件结构如图所示。MOT17有21个训练集和21个检测集。
图-文多模态，大模型，预训练
图-文任务是指需要同时处理图像和文本数据的任务，如图像描述、图像检索（image retrieval）、视觉问答（visual question answering）等。例如，图像描述（image captioning）就是一种典型的多模态任务，它需要根据给定的图像生成相应的文本描述。既不是单塔模型
UE基础使用
需要翻墙，可以直接下载。
计算机视觉与人工智能在医美人脸皮肤诊断方面的应用
近年来，随着计算机技术和人工智能的不断发展，中医领域开始逐渐探索利用这些先进技术来辅助面诊和诊断。在皮肤望诊方面，也出现了一些现代研究，尝试通过图像分析技术和人工智能算法来客观化地获取皮肤相关的色形参数，从而辅助中医面诊。
计算机视觉：分割一切AI大模型segment-anything
Segment Anything Model (SAM)来源于Facebook公司Meta AI实验室。据Mata实验室介绍，SAM 已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成 mask，甚至包括在训练过程中没有遇到过的物体和图像类型。SAM 足够通用，可以涵盖广泛的用
opencv保存图片
使用 OpenCV 可以使用 cv2.imwrite() 函数来保存图片。该函数需要两个参数：文件名和图片数据。如果需要保存的图片已经存在，则会覆盖原来的图片。例如，要保存一张图片，可以使用以下代码：import cv2# 读取图片img = cv2.imread("image.png")# 保存图
毕业设计-基于深度学习的图像文字识别系统
毕业设计-基于深度学习的图像文字识别系统：随着信息化水平的不断提升，以图像为主的多媒体信 息迅速成为重要的信息传递媒介，图像中的文字数据包含 丰富的高层语义信息与分析价值。光学字符识别（Optical Character Recognition，OCR）指利用电子设备（例如扫描仪 或数码相机）检查纸
【HDR】曝光融合（Exposure Fusion）
在曝光融合（Exposure Fusion）算法问世之前，多曝光序列合成用于显示的HDR需要两个步骤，第一步是将多张不同曝光的低动态范围图像合成为HDR（例如Debevec提出的加权融合方法），通常HDR为12bit或者16bit；第二步是通过tonemapping对高动态范围HDR进行压缩以支持低
OpenMMLab-AI实战营第二期——2-1.人体关键点检测与MMPose
关键点提取，属于模式识别人体姿态估计的下游任务：行为识别（比如：拥抱。。下游任务：CG和动画，这个是最常见的应用下游任务：人机交互（手势识别，依据收拾做出不同的响应，比如：HoloLens会对五指手势（3D）做出不同的反应）自顶向下方法自底向上方法单阶段方法基于Transformer的方法。
opencv 五 缺陷检测实战1（检测以连通域面积特征为缺陷）
上图为灰度图，由网格状排列黑点和大面积的黑点区域（即缺陷）组成，具体**缺陷类型为粘连**，其**形态学特征为 连通域面积较大**。查找图中缺陷（大面积的黑点）**算法的核心思想为：遍历所有的轮廓，根据面积判断缺陷**，当连通域面积大于一定的值（面积比普通的黑点大），即判断为缺陷，并在原图上标出缺陷
Halcon图像灰度值运算&图像截取及合并&灰度特征值介绍
获取灰度直方图：gray_histo算子：gray_histo(Regions, Image : : : AbsoluteHisto, RelativeHisto)示例：gray_histo (Region6, Image1, AbsoluteHisto, RelativeHisto)Region6
BEVFusion论文解读
本文将介绍MIT韩松课题组在自动驾驶方面的最新工作，他们提出了一种高效且通用的多任务多传感器融合框架BEVFusion。它统一了共享鸟瞰(BEV)表示空间中的多模态特征，很好地保留了几何信息和语义信息。
