Opencv(C++)笔记--图像的resize方法
结果分析：双线性插值的结果更平滑，分析原理可知利用邻近的四个像素点进行处理，类似一个滤波的操作。原理分析：双线性插值实质上是使用两次单线性插值操作进行数据的处理，原理如下（字丑莫怪）（②拉普拉斯金字塔：用来从金字塔底层图像重建上层未采样图像；①高斯金字塔：用于向下采样；3--双线性插值算法代码。4-
yolov7-tiny结合mobilenetV3（降参提速）
在各处看到关于yolo的魔改都是基于yolov5版本的，于是借鉴学习一下用在yolov7-tiny版本上，做一下学习记录；同时感谢一下各位大佬对开源做出的贡献！
coco数据集标注格式
COCO数据集中目标实例的json文件整体是以字典的形式来存储内容的。主要包括5个key（info、licenses、images、annotations、categories）。
Diffusion Model原理详解
Diffusion Model（扩散模型 ）对标的是生成对抗网络（GAN），本文将用通俗的语言和公式为大家介绍Diffusion Model，并且结合公式为大家梳理Diffusion Model的代码。
YOLOv5+Swin Transformer
YOLOv5＋swin tansformer里遇到的报错
一文搞懂 神经辐射场（Neural Radiance Fields，NeRF）
一文搞懂 神经辐射场（Neural Radiance Fields，NeRF）
opencv怎么使用GPU加速
要使用 OpenCV 的 GPU 模块，首先你需要安装带有 GPU 支持的 OpenCV 版本。然后，你需要确保你的计算机有一个 NVIDIA GPU，并且已经安装了 NVIDIA 的驱动程序和 CUDA 工具包。在你的代码中，你需要首先将 OpenCV 的 GPU 模块导入，例如：import c
图像工程：红外图像增强
红外图像增强的主要算法和背景
OpenCV 的安装与配置指南（Windows环境，Python语言）
OpenCV 是一个功能强大的计算机视觉库，广泛应用于图像处理和计算机视觉领域。在本文中，我们将为您提供在 Windows 操作系统上安装和配置 OpenCV 库的详细指南。我们将重点介绍 Python 编程语言的安装和配置步骤，以帮助您顺利开始使用 OpenCV 进行图像处理和计算机视觉项目。
ROS Neotic(Ubuntu 20.04)如何正确安装OpenCV
这样就根据我们指定的OpenCV版本编译出了ROS中cv_bridge依赖，往后在通过自己的OpenCV编译项目的时候，先source一下刚编译出来的cv_bridge所在的工作目录或者指定，即可避免出现使用到的OpenCV库与cv_bridge所使用的版本不一样的问题。在合适的目录执行上述命令创建
使用YOLOv5实现实时目标检测结果保存
本文将分享保存实时目标检测结果的方法，包括将目标信息逐帧保存到.txt文件中、逐帧输出检测结果图片、以及如何保存所有检测图片（包括视野中无目标的帧）。
Windows下更换pip源
包含临时修改和永久修改pip源
【深度学习】详解 ViLT
【深度学习】详解 ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision
探索AI图像安全，助力可信AI发展
图像作为信息传递的主要媒介之一，需要重点解决在人工智能的发展过程中利用 AI 进行图像造假的问题。针对这一问题，中国信息通信研究院(中国信通院) 2023 世界人工智能大会( WAIC 2023 )上举办了专门论坛，围绕着“多模态基础大模型的可信AI”主题进行讨论。在该论坛上，合合信息关于 AI 图
画圆操作——OpenCV中cv2.circle函数详解
在计算机视觉领域，图像处理是最基础的操作，而画圆操作又是其中不可或缺的一部分。在OpenCV中，cv2.circle函数可以实现画圆的功能。总之，cv2.circle函数是OpenCV中非常基础且常用的函数，熟练掌握该函数的用法可以为图像处理带来很大的便利。除此之外，cv2.circle函数还可以用
Jetson nano部署Yolov5目标检测 + Tensor RT加速（超级详细版）
解决完报错之后，在运行上面的命令，会自动下载需要的安装包，其他的都是很快的，但是到opencv的时候需要花费很长很长很长很长的时间......，当安装opencv时会出现Building wheel for opencv-python (pyroject.toml)... 这种情况正常现象，是op
自监督ViT：DINO-v1和DINO-v2
基于ViT（Vision Transformer）自监督在最近几年取得了很大进步，目前在无监督分类任务下已经超过了之前的一些经典模型，同时在检测分割等基础任务领域也展现出了强大的泛化能力。这篇文章将主要基于DINO系列自监督算法介绍它们的算法原理，方便 大家快速了解相关算法。
OpenCV实例（一）人脸检测
计算机视觉使很多任务成为现实，其中两项任务就是人脸检测（在图像中定位人脸）和人脸识别（将人脸识别为特定的人）。OpenCV实现了一些人脸检测和识别的算法。从安全到娱乐，这些技术在现实环境中都有应用。介绍OpenCV的一些人脸检测和识别功能，并定义特定类型的可跟踪物体的数据文件。具体来说，将研究Haa
YOLOV5训练时P、R、mAP等值均为0的问题
需要注意的是，P、R、mAP等指标为0并不一定意味着模型无效。训练时间太短：如果训练时间太短，则模型可能没有足够的时间来收敛到最佳状态。模型过于简单：如果模型过于简单，则很难从样本中学习到有效的特征。考虑增加网络的深度和宽度，或使用更复杂的网络结构。预处理步骤出现问题：确保数据预处理流程正确，例如确
CFNet: Cascade Fusion Network for Dense Prediction
在密集预测任务中多尺度的特征融合至关重要，当前的主流的密集预测的范式是先通过BackBone提取通用特征，然后通过特征融合模块来融合BackBone中的多尺度特征，最后使用head来输出密集预测结果（检测，分割等）。作者发现BackBone的网络参数量远远大于特征融合模块，基于此发现作者提出了级联融
