什么是合成孔径雷达（SAR）
合成孔径雷达（Synthetic Aperture Radar，简称SAR）是一种利用雷达技术实现地面成像的系统。它通过发射脉冲电磁波并接收反射回来的信号，从而获取目标表面的反射信息。相比于光学成像技术，SAR可以在任何天气条件下获取高分辨率的地面图像，因此在遥感、军事侦察、地质勘探等领域得到了广泛
解决opencv / cv2 没有代码提示的问题
解决pycharm里面使用opencv / cv2无代码提示的问题
【CVPR小目标检测】- ISNet红外小目标检测
红外小目标检测是指从模糊背景中提取弱小目标。红外目标由于信噪比低、对比度低，容易淹没在强噪声和杂波背景中。本文提出了一种新的红外形状网络（ISNet），其中设计了泰勒有限差分（TFD）启发的边缘块和双向注意力聚集（TOAA）块来解决这一问题。TFD启发的边缘块从不同层次聚合和增强综合边缘信息，以提高
目标检测结果IOU不同取值的含义 IoU=0.50与IoU=0.50:0.95
Average Precision (AP)和Average Recall (AR)，AP是单个类别平均精确度，而mAP是所有类别的平均精确度。AP是Precision-Recall Curve曲线下面的面积。预测样本在检测中就是预测框的大小，我们设置的IoU就是指的真实框与预测框的交并比，如果大于
双目立体视觉之立体匹配算法
双目立体视觉是指使用两个摄像机从不同的角度获取同一个场景的左右视图，然后使用双目立体匹配算法来寻找左右视图中的匹配像素点对，最后利用三角测量原理来还原三维空间物理点过程。其中双目立体匹配算法是最为核心的。立体匹配是一种根据平面图像来恢复真实场景深度信息的技术，其做法是从两个或多个相同场景的图像中找出
NAFNet（ECCV 2022）-图像修复论文解读
图像修复新结构NAFNet，非线性激活函数非必须
OpenCV4.x图像处理实例-YOLO v8检测与识别物体
本文将详细介绍通过OpenCV的DNN模块，使用YOLO V8模型进行对静态图像、视频流和摄像头进行物体检测与识别。
【论文合集】Awesome Anomaly Detection
Anomaly Detection: The process of detectingdata instances that significantly deviate from the majority of the whole dataset.
走进人工智能| Computer Vision 数字化时代的视觉启示录
作为笔者，我对计算机视觉的未来发展充满了期待和兴奋。随着技术的不断进步和创新，计算机视觉将在许多领域展现出更大的潜力和影响力。首先，计算机视觉将在医疗领域发挥更重要的作用。随着人工智能和深度学习的发展，计算机视觉可以更准确地分析医学影像，辅助医生进行疾病诊断和治疗。这将提高医疗领域的效率和准确性，为
AI工程师认证，看这一篇就够了
人工智能行业近几年发展迅速，从业人员也越来越多，能力的标准也越来越需要相关证书或认证来进行区分。目前中国关于人工智能的认证大致可以分为三类，一类是职称的评审认证；第二类是权威机构颁发的证书认证；第三类是大型企业的认证。
Nerf系列数据集记录
nerf系列数据集记录
毕业设计-基于 MATLAB 的图形图像处理系统的设计与实现
毕业设计-基于 MATLAB 的图形图像处理系统的设计与实现：在数字信息化的今天，我们都被各种各样的信息所包围着，如何这些海量的信息里面快 速准确的寻找出有用的信息，成为了你能脱颖而出的关键。而信息是抽象的，它依附在各种 媒体所表示的数据中，其中，图像信息是人类获取信息的重要来源之一。 数字图像处理
YOLOv8 全家桶再迎新成员！新增Pose Estimation模型!
关注公众号，发现CV技术之美不知不觉间，YOLOv8已经发布三个月了，等待中的YOLOv8论文没来，昨天官方默默又加了新模型：姿态估计。说好的"目标检测"工业界标杆，正向着“CV全家桶”阔步向前。现在你可以用YOLOv8做目标检测、实例分割、图像分类、目标跟踪、姿态估计了，也许还有更多惊喜在后面。要
Open3D点云数据处理（一）：VSCode配置python，并安装open3d教程
本文详细介绍了vscode配置python的步骤，包括下载与安装。同时给出了快速安装open3d的方法。
什么是轴向注意力（Axial Attention）机制
注意力机制之 Axial Attention
2023年计算机、视觉与智能技术国际会议(ICCVIT 2023)
算法、自主和可信计算、5G、AI在通信中的应用、人工智能、机器学习、计算机视觉、计算智能、模式识别、大数据、数据挖掘、区块链技术、生物医学信息学与计算、计算机体系结构、计算机系统、嵌入式系统、数据压缩、高性能计算、图像处理、移动计算、移动和普适计算、计算机与网络安全、密码、数据隐藏、并行和分布式计算
多传感器数据融合技术
多传感器数据融合技术形成于上世纪80年代，目前已成为研究的热点。它不同于一般信号处理，也不同于单个或多个传感器的监测和测量，而是对基于多个传感器测量结果基础上的更高层次的综合决策过程。把分布在不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合进行分析，消除多传感器信息之间可能存在的冗余和矛
深度学习之卷积神经网络中常用模型评估指标(混淆矩阵，精确率，召回率，特异度计算方法)——python代码
混淆矩阵，精确率，召回率，特异度作为卷积神经网络的模型性能评价指标，它们的计算和绘制具有非常重要的意义，特别是在写论文的时候，我们往往需要这些指标来证明我们模型的优异性，这里给出相应的代码方便大家计算和绘制自己的混淆矩阵和计算各种指标。首先是文件夹摆放方式： num_classes.json为写自己
PointNet解读
PointNet解决的问题：如上图所示：1.点云图像的分类（整片点云是什么物体）2.点云图像的部件分割（整片点云所代表的物体能拆分的结构）3.点云图像的语义分割（将三维点云环境中不同的物体用不同的颜色区分开）论文中展示的输入输出效果：1.部件分割的效果（左边是输入不完整的点云，右边是输入完整的点云）
