文生图关键问题探索：个性化定制和效果评价
文生图模型是当前人工智能领域最具潜力和前景的研究方向之一。未来，随着计算能力的提高和技术的进一步发展，文生图模型的应用前景将会更加广泛和深远。然而，针对其应用过程中存在的一些问题，如模型评价缺乏一致性、控制生成过程效率低下、定制个性化模型困难以及高质量文图数据集缺乏等，需要我们进一步研究探索解决方案
指纹识别综述(2): 指纹传感器
指纹识别技术在众多领域的普及离不开指纹传感技术的创新和进步。
【目标检测】YOLOV8实战入门（五）模型预测
预测模式可以为各种任务生成预测，在使用流模式时返回结果对象列表或结果对象的内存高效生成器。文件加载，用户可以提供图像或视频来执行推理。模型预测输入图像或视频中对象的类别和位置。的流媒体模式应用于长视频或大型预测源，否则结果将在内存中累积并最终导致内存不足错误。函数在图像对象中绘制结果。它绘制在结果对
深入了解平均精度(mAP)：通过精确率-召回率曲线评估目标检测性能
平均精度（Average Precision，mAP）是一种常用的用于评估目标检测模型性能的指标。
Yolov5目标检测项目的运行以及常见报错
上期我们引入了一个目标检测的模型，并对其所需的环境配置进行了搭建。这期主要针对项目如何运行以及运行过程中的常见报错进行记录以及分享，毕竟报错在深度学习的环境搭建也是很常见的嘛，如何解决报错问题还是很有必要去分析以及学习的。
AI技术：智慧交通时代的道路识别（文末送书四本）
Hello大家好，我是Dream。 自动驾驶是当前最热门的技术之一，而道路识别则是自动驾驶系统中的重要一环。它需要自动驾驶车辆能够识别和解读道路标志、路面标线、交通信号灯等道路条件，及时准确地做出驾驶决策。接下来Dream将带大家去了解如何实现道路识别。
图像分割的常用算法
基于边缘的分割算法的优点是可以根据图像的边缘信息进行分割，适用于处理具有明显边缘的图像。基于能量的分割算法是一种基于图像能量最小化原理进行分割的方法，它通常根据图像像素之间的相似性和连通性等特征，通过最小化能量函数来得到图像的分割结果。基于边缘的分割算法是一种基于图像边缘信息进行分割的方法，它通常使
OpenCV实战（21）——基于随机样本一致匹配图像
在本节中，我们学习了如何利用两个视图之间的对极约束来更可靠地匹配图像特征，基于随机样本一致算法可以同时解决基本矩阵和匹配集的解决问题，并在最后介绍了如何改进计算结果。
毕业设计-基于 MATLAB 的图像分割算法研究及实现
毕业设计-基于 MATLAB 的图像分割算法研究及实现：图像分割是图像处理与理解、模式识别和人工智能等多个 领域中非常关键的问题，是计算机视觉技术中重要步骤，其作 用在汽车车型自动识别系统、检查癌细胞、精密零件表面缺陷 检测等领域中不可忽视。图像分割是通过将图像中感兴趣的对 象与其背景分割，分割出的
从YOLOv1到YOLOv8的YOLO系列最新综述【2023年4月】
这是一篇2023.4.4发表的arXiv关于YOLO系列综述
（小伞每日论文速读）2023视觉领域的SOTA！InternImage究竟何方神圣？
计算机视觉领域的SOTA又又又被赣爆了！！！InternImage——基于可变形（抽样）卷积的领域内SOTA！（重振卷积荣光，消灭ViTs暴政！）
opencv实战---使用TesseractOCR进行文字识别
这篇就讲解一下软件安装、使用自带的识别库识别常规的英文字符、英文单词、数字。
Segment Anything模型结构解读
论文地址代码下载官网关于Segment Anything的理解1.人工标注过程使用公开数据集训练，并且让人工标注团队进行标注预测的mask，该过程总共进行6次，并产生430万个mask2.半自动标注过程模型产生的置信度相对较高的mask，不需要人工标注，而置信度相对不高的mask，由人工完成标注。举
BraTS 2021脑肿瘤分割数据集介绍
本文详细介绍了BraTS 2021脑肿瘤分割数据集，介绍了该数据集中的数据和标签特点、官方制定的评价指标，并在文末给出了论文和数据集的下载链接。
【OpenCv • c++】形态学技术操作 —— 顶帽操作与黑帽操作
在上一篇文章中，我们了解了开运算与闭运算，今天我们继续学习形态学技术操作里面的顶帽操作与黑帽操作。
【Stable Diffusion】什么是VAE
VAE是Stable Diffusion的一种重要的深度学习模型，它可以使图像变得更鲜艳，帮助AI绘画师更好地理解输入图像的特征，并生成更加逼真的绘画作品，本文从基本概念讲起，对VAE的作用，打开方式，存放位置，下载途径等方面进行简要的全面介绍，帮助初学者快速入门，快速使用。
UNeXt：基于 MLP 的快速医学图像分割网络
UNeXt是约翰霍普金斯大学在2022年发布的论文。它在早期阶段使用卷积，在潜在空间阶段使用 MLP。通过一个标记化的 MLP 块来标记和投影卷积特征，并使用 MLP 对表示进行建模。对输入通道进行移位，可以专注于学习局部依赖性。
什么是归一化，它与标准化的区别是什么？
归一化与标准化是什么，两者有何关联？有何差别？
【OpenAI】DALL·E 2，让我来带你认识一下这位来自AI界的艺术家
DALL-E 2 是一种基于语言的人工智能图像生成器，可以根据文本提示创建高质量的图像和艺术作品。它使用CLIP、先验和 unCLIP 模型来生成图像，其质量取决于文本提示的具体性。这也是我今天要介绍的主角DALL-E 2是一款人工智能图像生成器，它可以根据自然语言的文本描述创建图像和艺术形式。简单
stable diffusion使用简明教程
一般来说大部分时候采样部署只需要保持在20~30之间即可，更低的采样部署可能会导致图片没有计算完全，更高的采样步数的细节收益也并不高，只有非常微弱的证据表明高步数可以小概率修复肢体错误，所以只有想要出一张穷尽细节可能的图的时候才会使用更高的步数。CFG很难去用语言去描述具体的作用，很笼统的来说，就是
