人工智能项目实战-使用OMR完成答题卡识别判卷
光学标记识别（简称OMR）是自动分析人工标记文档并解释其结果的过程。我们之前在20年差不多都是人工去识别判卷，那个时候一个班级的试卷需要老师花费差不多1个小时才可以判完。效率就比较低，随着这个计算机硬件和信息大爆炸时代的到来，人工智能也开始飞跃的发展。对于这个试卷的问题，我们再用人工智能去做的时候，
HALCON和OPENCV最终选择了后者
经过一段时间的评估，还是放弃了HALCON，HALCON有很多算子使用很方便，直接调用即可，还有很多图形化的工具，直接就可以调节参数，并看到结果。运行的中间变量也会有直观的图形可供查看
统计信号处理-使用维纳滤波和逆滤波对图像进行恢复-matlab仿真-附代码
统计信号处理-使用维纳滤波和逆滤波对图像进行恢复-matlab仿真-附代码
CVPR 2023 | 达摩院REALY头部重建榜单冠军模型HRN解读
本文中提出了一种新颖的层次化表征网络 (HRN)，以实现单图的高精细头部重建。 具体来说，我们对头部几何细节进行了解耦并引入了层次表征来实现精细的头部建模。 同时，结合面部细节的3D先验，提高重建结果的准确性和真实性。
python调用海康威视工业相机SDK实现图片采集
python调用海康威视工业相机SDK实现图片采集
中国十大机器视觉公司排名
机器视觉就业公司解读~机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转
基于彩色的图像分割
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的
人工智能期末复习（背题家的落幕！）
小时候最喜欢的一集😿 内容比较多
2023 年十大目标检测模型！
上面列出的 2023 年用于对象检测的 10 大深度学习模型突出了该领域一些最有前途和创新的模型。是一种用于对象检测的深度学习模型，它使用特征金字塔网络和新的焦点损失函数。是一种用于对象检测的深度学习模型，它使用 R-CNN 网络的级联来提高对象检测的准确性。，即全卷积单阶段对象检测，是一种用于对象
OpenCV(10): 轮廓近似—多边形拟合，边界矩形与边界圆形
轮廓近似（Contour Approximation）是指对轮廓进行逼近或拟合，得到近似的轮廓。
nn.Conv2d详解
注意，对于卷积操作，输入数据一般为四维张量，需要按照 batchsize × 通道数 × 高度 × 宽度的维度排列，这里 x 的大小为 (1, 3, 224, 224) 表示 batchsize 为 1，通道数为 3，输入图像的尺寸为 224x224。这里我们定义了一个输入通道数为 3，输出通道数为
FPN和PAN的内容及区别
FPN和PAN都是用于解决在目标检测中特征金字塔网络(FPN)在多尺度检测任务上的不足的方法。下面分别详细介绍一下它们的原理和区别。
人工智能之深度学习
在DNN中，每个隐藏层都可以学习不同的特征和模式，从而更好地适应各种复杂的任务。近年来，深度学习在图像识别领域取得了重大的突破，如在2012年ImageNet图像识别挑战赛中，AlexNet网络使用了深度学习的方法，取得了显著的成绩，并引起了深度学习的热潮。在实际应用中，深度学习模型被广泛应用于自然
学习记录：BRATS 2021数据集介绍
BRATS 2021数据集是一个医学图像分割数据集，该数据集由2000例患者脑部MRI（核磁共振成像）扫描构成。其中训练集有1251例、验证集219例、测试集530例，每例MRI扫描有4个模态的3D图像。其中训练集是包含3D图像和分割标签的，而验证集和测试集则不包含分割标签，验证集被用于公共排行榜，
CVPR2023 即插即用系列 | 一种高效轻量的自注意力机制助力图像恢复网络问鼎SOTA！
如果您也对人工智能和计算机视觉全栈领域感兴趣，强烈推荐您关注有料、有趣、有爱的公众号『CVHub』，每日为大家带来精品原创、多领域、有深度的前沿科技论文解读及工业成熟解决方案！同时欢迎添加小编微信: cv_huber，备注CSDN，加入官方学术|技术|招聘交流群，一起探讨更多有趣的话题！
通用的融合框架：IFCNN
仅供自己参考
计算机视觉 期末复习
计算机视觉期末复习，红色部分注意，字体红色选择填空
【DarkLabel】使用教程（标注MOT数据集）
Open video第 2 处的内容为数据集类型。例如：VOC、COCO、MOT、YOLO等。第 3 处的内容为标签名称。可在中修改。第 4 处的内容为两种跟踪方法可选：插值法，每次一个目标。首先在第一帧点击Begin Interpolation，然后画目标bbox，按↓键往后几十帧，在找到该目标画
GragGAN：人工智能黑科技，本地使用详细教程
DragGAN是一种由Max Planck研究所开发的创新型人工智能工具，通过仅需几个点击和拖动操作，能够实现对照片的真实修改。根据一篇研究论文，该工具主要包括两个要素：基于特征的运动监控和一种革命性的点追踪技术。DragGAN赋予用户交互性，使其能够自主拖动图片中的点，并将其移动至所选择的目标位置
图像分割综述之语义分割
语义分割综述，列举的是经典论文，适合入门的初学者
