Jetson NX + yolov5 v5.0 + TensorRT加速+调用usb摄像头
TRT] Parameter check failed at: ../builder/Network.cpp::addScale::482, condition: shift.coun上一篇,测试效果如下本篇文章具体操作步骤如下就可以了，切记版本要对应 ，我产生这个错误的原因就是版本问题，成功转换但
BoT-SORT 论文笔记及思考
BoT-SORT: Robust Associations Multi-Pedestrian Tracking
OpenCV这么简单为啥不学——2.1、imwrite逐帧保存图片
OpenCV这么简单为啥不学——2.1、imwrite逐帧保存图片前言imwrite函数语法说明参数说明保存图片查阅图片解决中文问题
slam原理介绍和经典算法
slam算法假设的环境中的物体都是处于静态或者低运动状态的，然而，现实世界是复杂多变的，因此这种假设对于应用 环境有着严格的限制，同时影响视觉slam系统在实际场景中的应用性。当环境中存在动态物体时，会给系统带来错误的观测数据，同时降低系统的精度和鲁棒性。通过RANSAC算法（随机采样一致性）的外点
快速傅里叶变换及Python代码实现
我想认真写好快速傅里叶变换（Fast Fourier Transform，FFT），所以这篇文章会由浅到细，由窄到宽的讲解，但是傅里叶变换对于寻常人并不是很容易理解的，所以对于基础不牢的人我会通过前言普及一下相关知识。我们复习一下三角函数的标准式：A代表振幅，函数周期是2πw，频率是周期的倒数w2π
【CV】Latent diffusion model 扩散模型体验
稳定扩散模型则基于传统的数学模型，具有较好的稳定性和可解释性。不需要大量的训练数据和计算资源，可以从少量的数据中学习并进行预测。稳定扩散模型还可以通过调整模型参数来控制模型的灵敏度和鲁棒性，以适应不同的数据分布和噪声情况。稳定扩散模型在计算机视觉领域具有一定的优势，可以用于物体和目标识别、跟踪和预测
OpenCV实战（12）——图像滤波详解
滤波是信号和图像处理中的基本任务之一，其旨在有选择地提取图像的某些特征，可以用于在给定应用程序的上下文中传达重要信息，例如，去除图像中的噪声、提取所需的视觉特征、图像重采样等。图像滤波起源于信号系统理论，本节将介绍一些与滤波相关的重要概念，并展示如何在图像处理应用程序中使用滤波器。
Bytetrack 环境配置 &核心代码解析
Bytetrack 环境配置 &核心代码解析
看这篇就够了——opencv与libopencv与cv_bridge的安装与使用
一般情况如果自动安装opencv3，那就手动安装一个opencv4.自动安装opencv4，就手动安装opencv3.同系的opencv一般虽然会显示冲突，但是能够编译通过的。现在opencv解决了，但由于你手动安装的opencv版本和cv_bridge是不一样，cv_bridge版本默认和libo
JetsonNano国产套件成功部署YoloV5手把手图解教程
手把手教你在jetson-nano国产套件上部署YoloV5，最终实现图片、usb摄像头、rtsp流的推理。过程踩坑无数，逐一化解。
BiSeNet - 轻量级实时语义分割
在语义分割领域，由于需要对输入图片进行逐像素的分类，运算量很大。通常，为了减少语义分割所产生的计算量，通常而言有两种方式：减小图片大小和降低模型复杂度。减小图片大小可以最直接地减少运算量，但是图像会丢失掉大量的细节从而影响精度。降低模型复杂度则会导致模型的特征提取能力减弱，从而影响分割精度。所以，如
关于自己制作目标检测数据集你想知道的一切（保姆级教程，含voc转coco）
前段时间我刚自己完成了一个目标检测数据集的制作，得到voc格式的数据之后再转coco，在这里记录下我的一些经验，帮助大家更好地学习，少走弯路！！
无监督异常检测（MVTec）
（排名第1）Towards Total Recall in Industrial Anomaly Detection （PatchCore）
YOLO V5源码详解
首先读取图片以及标签路径，并将标签存入缓存，对单标签情况、特定类别、以及是否保持长方形等情况分别进行处理。如果需要进行mosaic 数据增强，首先找到中心点，将图片分别放置于四个位置，进行裁剪或者拼接以适应，并对labels进行调整。同时，对进行过mosaic数据增强过的图像，再进行copy_pas
警惕AI复制，几张图片就能实现视频伪造
从AI换脸这一技术诞生起，大众对它的争议就从未停止过。诚然，每一项新兴技术给我们带来了便利，也存在着颠覆伦理道德和冲击安全底线的风险，急需行为道德和法律规范的双重约束。而分享出这篇文章，会不会有人在本文的启发下做出恶意行为呢？事实上，不论是否由本文来介绍，该技术事实上就是存在的！我们更加需要做的是唤
torch中如何使用预训练权重
关于torch预训练权重载入的问题
激光雷达点云与单幅图像配准/映射变为彩色点云
本文提供激光雷达采集的点云与单幅二维图像之间的配准方法，目的是实现点云到图像之间的映射，同时也可以将点云转变为彩色点云。关于激光雷达点云与图像之间的映射原理有网上给出了很多，但是具体转换的方法或开源的代码却较少。因此本文就以一副点云和一副图像进行介绍，并给出具体的实现过程。
传统与深度学习遥感变化监测遥感技术路线与方法
由于遥感算法、数据源质量等原因，遥感变化信息提取一般采用目视解译方式进行，但是目视解译方式费时费力，大区域工作效率很低。而深度学习可以在很短时间内按照模型训练要求，快速全面的进行解译，可以大大提高遥感解译的效效率,因此一般采用传统解译方法与深度学习相结合的方法进行。
人工智能如何用于静态生物特征验证
静态生物特征验证是一种常用的 AI 功能，它可以实时捕捉人脸，并可以在不提示用户移动头部或面部的情况下确定人脸是否属于真人。通过这种方式，该服务有助于提供获得积极反馈的便捷用户体验。静态生物特征验证需要 RGB 摄像头，并且能够通过细节（例如莫尔图案或纸上的反射）区分真人的面部和欺骗攻击（例如面部和
Diffusion Models扩散模型简单讲解与简单实现
Diffusion Model
