【2】YOLOv8原理解析：重新定义实时目标检测的速度和精度
YOLOv8原理解析！
如何给开源项目做贡献?
开源项目提供源代码来帮助开发人员免费解决他们的问题，开发人员分享改进的解决方案并为开源项目做出贡献。 因此，双方都受益匪浅，形成了一个良性循环。
LabVIEW+OpenCV快速搭建人脸识别系统(附源码)
本篇博客将介绍如何使用LabVIEW 和 SFace 快读实现人脸识别系统
【AIGC】6、Segment Anything | Meta 推出超强悍可分割一切的模型 SAM
本文主要介绍 segment anything
b站B导的yoloV7版本添加注意力机制
yolov7增加注意力机制（b导版本）
OpenCV实战——多尺度FAST特征检测
FAST 是用于快速检测图像中关键点的方法，而 SURF 和 SIFT 算法的设计重点是尺度不变性。为了同时实现快速检测和尺度不变性，OpenCV 中引入了新的兴趣点检测器，包括 BRISK (Binary Robust Invariant Scalable Keypoints) 检测器(基于 FA
基于Python_opencv的车牌识别系统
本项目是基于python_opencv的车牌识别系统，文档中可下载完整代码，希望大家多多支持，也欢迎大家多提意见，一起学习！！！！！
指纹识别综述(4): 指纹匹配
介绍刑侦、手机解锁、身份证管理等各种身份识别应用中的各类指纹匹配技术，包括细节点匹配、深度学习匹配技术、指纹绝对对齐、指纹刚性和弹性配准等。
【周末闲谈】畅想AR,AR领域迎来新风口
经过了一周的忙碌，周末如期而至，经过了忙碌的一周，何不沏上一小壶茶，享受一下当下呢？😊😊本期的周末闲谈就让我们来聊聊渐渐改变我们生活AR技术吧。增强现实在中国仍处于起步阶段，它的应用十分广泛，出现在我们生活的方方面面，5G时代为AR带了启航的风，相信在不断地技术突破下，AR领域将迎来它的新面貌。
《一种改进的YOLOv5用于无人机捕获场景中的目标检测》论文笔记
本文分析了当前无人机捕捉场景中目标检测算法存在的问题，针对无人机图像中高分辨率、小目标占比大的特点，对YOLOv5s模型进行了三点改进。最终的实验结果表明，我们改进的模型比原来的模型更适用于Visdrone-2020数据集，并且每个模块都能很好地提高该数据集的目标检测精度。与其他方法相比，我们的方法
目标检测算法——YOLOv7改进|增加小目标检测层
目标检测算法——YOLOv7改进|增加小目标检测层。官方版的YOLOv7相同体量下比YOLOv5精度更高，速度快120%（FPS），比 YOLOX 快180%（FPS），比 Dual-Swin-T 快1200%（FPS），比 ConvNext 快550%（FPS），比 SWIN-L快500%（FPS
Text to image论文精读GigaGAN: 生成对抗网络仍然是文本生成图像的可行选择
GigaGAN是Adobe和卡内基梅隆大学学者们提出的一种新的GAN架构，作者设计了一种新的GAN架构，推理速度、合成高分辨率、扩展性都极其有优势，其证明GAN仍然是文本生成图像的可行选择之一。
图像处理-特征融合：相加、拼接、Attention
图像处理-特征融合：相加、拼接、Attention特征融合是指来自不同层或分支的特征的组合，是现代网络体系结构中很常见的一种操作。图像处理的特征融合中，对于普遍的多尺度融合，广泛操作是直接将他们相加或者拼接起来！即通常通过简单的操作（例如求和或串联）来实现，但是，这不一定是最佳选择。随着Transf
(笔记)ubuntu20.04下 yolov5学习与使用
等到数据训练好了以后，就会在主目录下产生一个run文件夹，在run/train/exp/weights目录下会产生两个权重文件，一个是最后一轮的权重文件，一个是最好的权重文件，一会我们就要利用这个最好的权重文件来做推理测试。对视频进行测试，和如上的图片的测试是一样的，只不过是将图片的路径改为视频的路
【翻译】图解Stable Diffusion
扩散”指的是下图中粉色这一块组件“图像信息生成器”中发生的处理过程。该组件获取能表示输入文本信息的token嵌入和一个随机初始化的图像信息张量（aka 潜变量），然后用它们生成一个信息张量，把这个信息张量交给图像解码器，去生成最终的图像。这个过程是一步一步进行的，逐步添加相关信息。想更直观的了解这个
可分离卷积(Separable convolution)详解
可分离卷积包括空间可分离卷积(Spatially Separable Convolutions)和深度可分离卷积(depthwise separable convolution)。
【深度学习】详解 MAE
【深度学习】详解 MAE - Masked Autoencoders Are Scalable Vision Learners
Segment Anything CV界的GPT—prompt-based里程碑式研究成果
Segment Anything由Meta AI发布，估计将成为计算机视觉界颠覆性成果，甚至可能重塑“计算机视觉”的概念。本文主要描述Segment AI的研究成果和简单应用，简明扼要提取有关论文的信息。
【一文足以系列】ORB SLAM2完整详细算法流程
逻辑详细且严密的讲述了ORBSLAM2的算法流程
超越ShuffleNet、MobileNet、MobileViT等模型的新backbone FasterNet
为了设计快速神经网络，许多工作都集中在减少浮点运算（FLOPs）的数量上。然而，作者观察到FLOPs的这种减少不一定会带来延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。为了实现更快的网络，作者重新回顾了FLOPs的运算符，并证明了如此低的FLOPS主要是由于运算符的频繁内存访
