【Yolov5】Yolov5添加检测层，四层结构对小目标、密集场景更友好
Yolov5添加针对小目标的检测层，提高在密集场景下的检测能力
谈yolov5车辆识别
当今社会，随着人工智能技术的发展和应用，车辆识别成为了一项重要的研究课题。YOLOv5是一种流行的车辆识别算法，它能够快速、准确地检测和识别出图像中的车辆。本篇博客将对YOLOv5算法进行详细的介绍，并探讨其在车辆识别领域的应用。
使用OpenCV进行YOLO对象检测
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达什么是YOLO？YOLO 是“You Only Look Once”一词的缩写。这是一种算法，可以（实时）检测和识别图片中的各种对象。YOLO 中的对象检测是作为回归问题完成的，并提供检测到的图像的类别概率。YOLO 算法采用卷积
机器视觉定位
机器视觉定位
Jetson nano (4GB B01) 系统安装，官方Demo测试 （目标检测、手势识别）
jetson nano 安装与测试
海康工业相机连续存图、录像功能介绍
海康工业相机录像存图功能介绍在使用工业相机做日常的数据采集，分析过程中，存图、录像功能必不可少，但是在使用该功能中，会出现丢帧、少图等现象，本文简单介绍下存图、录像使用过程中的技术瓶颈与解决方法，本文以介绍连续抓图为主，录像功能原理基本一致；............
Stable Diffusion XL：更快，更强
总的来说，新模型并没有给我留下深刻印象。MidJourney、Leonardo AI 和 Microsoft Image Generator 仍然有更好看的生成效果。尽管 Stable Diffusion XL 与之前的 AI 模型相比似乎没有显着进步，但它仍然向前迈进了一步，并且肯定还有进一步改进
大咖齐聚CCIG论坛——文档图像智能分析的产业前沿
2023年5月13日，中国图象图形学学会文档图像分析与识别专业委员会与上海合合信息科技有限公司联合打造《文档图像智能分析与处理》高峰论坛。欢迎感兴趣的同学们参加
分割常用损失函数
交叉熵损失公式：其中表示真实标签，表表示预测结果。优点：交叉熵Loss可以用在大多数语义分割场景中。缺点：对于只分割前景和背景的时候，当前景像素的数量远远小于背景像素的数量时，即y=0的数量远远大于y=1的数量，损失函数中y=0的成分就会占据主导，使得模型严重偏向背景，导致效果不好。（该缺点对二分类
【YOLOv8】实战一：手把手教你使用YOLOv8实现实时目标检测
YOLOv8导出为onnx模型，YOLOv8在LabVIEW中的部署，实现实时目标检测！在CPU和GPU上实现加速
基于计算机视觉手势识别控制系统YoloGesture (利用YOLO实现) 有详细代码+部署+在线服务器尝试+开源可复现
Streamlit在线服务器体验网址： https://kedreamix-yologesture.streamlit.app/HuggingFace在线服务器体验网址：https://huggingface.co/spaces/Kedreamix/YoloGesture1、 了解项目研究的背景以及
目标检测算法——YOLOv5/YOLOv7改进之结合SOCA（单幅图像超分辨率）
CVPR19 单幅图像超分辨率来了！！！基于CNN的超分辨方法虽然取得了最好的结果，但此类方法关注更宽或更深的结构设计，忽略了中间层特征之间的关系。基于此，本文提出了二阶注意力机制(SOCA)更好的学习特征之间的联系，此模块通过利用二阶特征的分布自适应的学习特征的内部依赖关系，SOCA的机制是网
yolov5算法-学习过程
这张图是在找工作前，回忆yolo系列的发展历程，进行梳理的图。内容可能有一些不准确的地方，请指出。
【Metashape精品教程2】创建工程
Metashape工程的创建，包括导入照片、pos、相机参数、控制点，坐标系的选择
SPWM波调制度原理
SPWM波调制度原理
深入了解目标检测技术--从基本概念到算法入门
Hello大家好，我是Dream。 众所周知，目标检测是计算机视觉领域中的重要任务之一，其目的是识别图像或视频中包含的物体实例并将其定位。实现目标检测可以帮助人们在自动驾驶、机器人导航、安防监控等领域中更好地理解和应用图像信息。接下来Dream将带大家一起介绍目标检测的基本概念和常见方法，并详细讲解
SAM - 分割一切图像【AI大模型】
如果你认为 AI 领域已经通过 ChatGPT、GPT4 和 Stable Diffusion 快速发展，那么请系好安全带，为 AI 的下一个突破性创新做好准备。推荐：用快速搭建3D场景。Meta 的 FAIR 实验室刚刚发布了 Segment Anything Model (SAM)，这是一种最先
（新SOTA）UNETR++：轻量级的、高效、准确的共享权重的3D医学图像分割
UNETR++：轻量级的、高效、准确的共享权重的3D医学图像分割高效配对注意(EPA)块，该块使用一对基于空间和通道注意的相互依赖的分支来有效地学习空间和通道方面的判别特征
形态学运算与仿真：图像处理中形态学操作的简单解释
形态学是图像处理领域的一个分支，主要用于描述和处理图像中的形状和结构。形态学可以用于提取图像中的特征、消除噪声、改变图像的形状等。其中形态学的核心操作是形态学运算。
YOLOv5/v7 更换骨干网络之 SwinTransformer
提供 YOLOv5 / YOLOv7 / YOLOv7-tiny 模型 YAML
