quality focal loss & distribute focal loss 解说（附代码）
quality focal loss
项目2：使用Yolov5和deepsort实现车辆和行人目标跟踪，实时计算目标运动速度和加速度（有检测超速功能）
项目演示视频项目演示视频可以跳转到哔哩哔哩观看：https://www.bilibili.com/video/BV1RT411Z7kD/?vd_source=805c57038e291405fe38f3adefa0f2d2项目简介本项目使用Yolov5+DeepSort实现车辆、行人跟踪，并实时统计
Ubuntu20.04下运行VINS系列：VINS-Mono、VINS-Fusion和GVINS
安装好了VINS-Mono所需的ROS noetic、Eigen3.4.0、Ceres2.10和OpenCV4.2.0等。VINS-Mono是在ROS melodic以及Ceres1的环境下开发的，因此需要适配高版本的环境。
【计算机视觉】数字图像处理（四）—— 图像增强
数字图像处理（四）—— 图像增强图像增强的定义图像增强方法一、图像增强的点运算（一）灰度变换1. 线性变换2. 分段线性变换3. 非线性灰度变换对数变换指数变换（二） 直方图修整法1. 直方图均衡化2. 直方图规定化二、图像的空间域平滑（一）局部平滑法1. 超限像素平滑法2. 灰度最相近的K个邻点平
OpenCV实战——尺度不变特征检测器
无论对象是在哪个比例下拍摄的，不仅要对关键点进行一致的检测，而且还要计算与每个检测到的特征点相关联的尺度因子。理想情况下，对于在两个不同图像上以不同尺度表征的同一对象点，计算出的尺度因子的比率等于它们各自尺度的比率。已经提出了多种尺度不变的特征，本节将介绍 SURF (Speeded Up Robu
目标检测算法——YOLOv5/YOLOv7改进之结合ASPP（空洞空间卷积池化金字塔）
目标检测算法——YOLOv5/YOLOv7改进之结合ASPP。ASPP对所给定的输入以不同采样率的空洞卷积并行采样，相当于以多个比例捕捉图像的上下文。
涨点技巧：Detect系列---Yolov5/Yolov7加入ASFF特征金字塔融合方法，涨点明显
多尺度特征特别是特征金字塔FPN是解决目标检测中跨尺度目标的最常用有效的解决方法，特征金字塔融合方法ASFF与yolov5/yolov7结合可以有效涨点
yoloV5更换BiFPN结合小目标检测层
小目标检测层结合BiFPN
Pytorch1.7复现PointNet++点云分割（含Open3D可视化）（文末有一个自己做的书缝识别项目代码）
毕设需要，复现一下PointNet++的对象分类、零件分割和场景分割，找点灵感和思路，做个踩坑记录。
最新版本 Stable Diffusion 开源 AI 绘画工具之图生图进阶篇
学好图生图，AI 即将取代打工人
【图像分割】Segment Anything（Meta AI）论文解读
Segment Anything（SA）项目：一个图像分割新的任务、模型和数据集。建立了迄今为止最大的分割数据集，在11M许可和尊重隐私的图像上有超过1亿个mask。该模型的设计和训练是灵活的，因此它可以将zero-shot（零样本）转移到新的图像分布和任务。实验评估了它在许多任务上的能力，发现它的
【第77篇】分割anything
本文提出Segment Anything (SA)项目:一个用于图像分割的新任务、模型和数据集。在数据收集循环中使用我们的高效模型，我们构建了迄今为止(到目前为止)最大的分割数据集，在1100万张授权和尊重隐私的图像上有超过10亿个掩码。该模型被设计和训练为可提示的，因此它可以将零样本迁移到新的图像
【Segment Anything】CV的大模型Segment Anything也来了，强人工智能的时代究竟还有多远？
我自己上传了一张图片，结果还是挺好的（我上传的图片比较简单）。由于自己的3090显存有限，无法使用。论文解读后续更新……
单目测距（yolo目标检测+标定+测距代码）
#目标检测 #单目测距 #相机标定 车辆行人测距
使用Python批量旋转，镜像图片
当我们进行大量图像处理时，经常需要旋转或镜像图像。但一张张处理图片费神又费力，有什么好的办法可以帮助我们快速搞定这个问题呢？本文介绍了使用python快速批量处理图片的方法~ 并提供了简易实现code，希望可以帮到大家~
ChatGPT使用案例之图像生成
到这里我们关于ChatGPT生成图像就已经介绍完了，可以看到的是只是有这个功能，还不够强大，目前只支持下面三种形式基于文本提示从头开始创建图像基于新的文本提示创建对现有图像的编辑创建现有图像的变体如果不满足需求，可以让ChatGPT 生成prompt,然后通过midjourney根据prompt生成
数字图像处理实验（直方图均衡化&规定化）
通常情况下，图像的直方图会呈现不平衡的状态，即图像的某些灰度级出现的次数很多，而其它灰度级出现的次数很少。通常情况下，图像的直方图会呈现不平衡的状态，即图像的某些灰度级出现的次数很多，而其它灰度级出现的次数很少。直方图规定化的具体做法是，首先计算出图像的直方图，然后根据直方图计算出每个灰度级的累计分
CVPR2023
CVPR2023
深入剖析Focal loss损失函数
目标检测方法常常使用先验框提高预测性能，一张图像可能生成成千上万的先验框，但是其中只有很少一部分能匹配到目标(正样本)，而没有匹配到目标的先验框占大多数。这种情况造成了One-Stage目标检测方法的正负样本不平衡。如下图所示，红色的先验框都没有匹配到目标，所以它们都属于负样本，只是图中间的黄色先验
基于深度学习的三维重建（一）：三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
