YOLO 模型的评估指标——IOU、Precision、Recall、F1-score、mAP
YOLO是最先进的目标检测模型之一。目标检测问题相比分类问题要更加复杂，因为目标检测不仅要把类别预测正确，还要预测出这个类别具体在哪个位置。我将目标识别的评估指标总结为两部分，一部分为预测框的预测指标，另一部分为分类预测指标。
Ubuntu20.04配置ORBSLAM2并运行（保姆级教程）
首先欢迎大家来到我的博客，因为自己在这个ORB_SLAM2的环境配置上走了太多的坑，为了让研友不再入坑，决定来个保姆级教程，哈哈哈。
minigpt4搭建过程记录，简单体验图文识别乐趣
从3月开始，aigc进入了疯狂的开端，正如4月12日无界 AI直播 在《探索 AIGC 与人类合作的无限可能》中关于梳理的时间线一样，aigc的各种产品如雨后春笋般进入了不可逆的态势，里面有句话很形象，人间一日，AIGC十年。这产变革像是有计划性的沧海桑田，让每个参与者亦或者体验者都感觉时过境迁，本
Segment Anything（SAM）的demo的简单使用
cmd命令：注意notebooks/images/是指你的输入图片路径，output是指的输出mask的路径，后面的--device cpu如果加了，就会采用cpu跑，不然会默认GPU。进行安装即可，对了我是用的anconda环境，建议创建一个新的虚拟环境，避免干扰自己的其他配置，注意python版
通过Python的pytesseract库识别图片中的文字
通过Python的pytesseract库识别图片中的文字。
分割一切？手把手教你部署SAM+LabelStudio实现自动标注
最近Open-mmlab开源了Playground项目，将最近引起CV界轰动的SAM(Segment Anything Model)模型和Open-mmlab多个视觉框架相结合，可实现多种视觉任务的自动标注，本文将采用Open-mmlab的Playground开源项目，使用SAM和LabelStud
【Segment Anything Model】论文+代码实战调用SAM模型预训练权重+相关论文
上一篇已经全局初步介绍了segment anything model和其功能，本篇作为进阶使用。代码实战案例，同时介绍了二创论文。
智能图像处理技术：开启未来视觉时代
围绕文档图像处理及 OCR 领域等前沿技术展开讨论，寻找文档图像处理领域的未来进阶方向。
指纹识别综述(3): 特征提取
全面介绍从指纹图像提取脊线方向场、奇异点、细节点等特征的各种代表性方法。
Meta:segment anything
令人惊讶的是，我们发现一个简单的设计可以满足所有三个约束条件：一个强大的图像编码器计算图像嵌入，一个提示编码器嵌入提示，然后两个信息源在一个轻量级的掩码解码器中进行组合以预测分割掩码。在自然语言处理领域，以及近年来的计算机视觉领域，基础模型是一种有前途的发展，通常可以通过“提示”技术实现对新数据集和
一文看懂EtherCAT总线控制
作为近年来非常受欢迎的一种运动控制方式， 那么EtherCAT总线控制究竟有哪些优势呢？我主要列举以下三点：
卷，卷，卷，SAM发布不到24h | BAAI、浙大、北大联合推出SegGPT
在这项工作中，我们提出了一种通用的分割模型，展示了如何设计适当的训练策略，充分利用上下文视觉学习的灵活性。然而，我们的工作也存在缺点。虽然我们的工作引入了一种新的随机着色机制，以提高上下文训练的泛化能力，但也使得训练任务本质上更加困难，这可能是在具有丰富训练数据的领域内任务中表现较差的原因，例如AD
语义分割中的一些模型的分类汇总
语义分割是深度学习中的一个重要应用领域。自Unet提出到现在已经过去了8年，期间有很多创新式的语义分割模型。简单的总结了Unet++、Unet3+、HRNet、LinkNet、PSPNet、DeepLabv3、多尺度attention、HarDNet、SegFormer、SegNeXt等10个语义分
OpenCV中图像的缩放与旋转讲解及实战演示（附Python源码）
OpenCV中图像的缩放与旋转讲解及实战演示（附Python源码）
comsol——1.简单电势仿真
comsol仿真
注意力机制SE、CBAM、ECA、CA的优缺点
注意力机制模块可以帮助神经网络更好地处理序列数据和图像数据，从而提高模型的性能和精度。
RK3568驱动OV13850摄像头模组调试过程
品牌：Omnivision型号：CMK-OV13850接口：MIPI像素：1320WOV13850彩色图像传感器是一款低电压、高性能1/3.06英寸1320万像素CMOS图像传感器，使用OmniBSI+?技术提供了单-1320万像素（4224×3136)摄像头的功能。通过串行摄像头控制总线（SCCB
人工智能实战项目(python)+多领域实战练手项目
人工智能实战项目目录一、机器学习实战项目1.机器学习实战1-四种算法对比对客户信用卡还款情况进行预测2.机器学习实战2-聚类算法分析亚洲足球梯队 （待更新）...(待更新)二、深度学习实战项目1.深度学习实战1-(keras框架)企业数据分析与预测2.深度学习实战2-(keras框架)企业信用评级与
常用的视频帧提取工具和方法总结
视频理解任务最基础也是最主要的预处理任务是图像帧的提取。因为在视频理解任务中，视频可以看作是由一系列连续的图像帧组成的。
语义分割系列3-SegNet（pytorch实现）
本文介绍了SegNet网络结构，基于pytorch构建了SegNet模型，并在Camvid数据集上复现。
