Python实现基于机器学习的手写数字识别系统
安装好的OpenCV中有自带的分类器，但是很不幸的是自带的分类器仅有关于人脸识别方向的，如果是做人脸识别方向的研究使用该分类器将会非常方便。本章将介绍如何使用计算机视觉库OpenCV调用电脑摄像头、找到帧画面中的数字并对数字进行识别前的处理，最后调用训练好的手写数字模型将识别结果在原帧画面中显示出来
文本生成视频Make-A-Video，根据一句话就能一键生成视频 Meta新AI模型
Meta公司在9月29日首次推出一款人工智能系统模型：Make-A-Video，可以从给定的文字提示生成短视频。基于**文本到图像生成技术的最新进展**，该技术旨在实现文本到视频的生成，可以仅用几个单词或几行文本生成异想天开、独一无二的视频，将无限的想象力带入生活
Vision Transformer和MLP-Mixer联系和对比
本文的主要目标是说明MLP-Mixer和ViT实际上是一个模型类，尽管它们在表面上看起来不同。
《计算机视觉基础知识蓝皮书》第2篇 深度学习基础
深度学习基础知识精讲
【python-Unet】计算机视觉~舌象舌头图片分割~机器学习
舌象数据集包含舌象原图以及分割完成的二元图，共979*2张，示例图片如下：U-Net是一个优秀的语义分割模型，在中e诊中U-Net共三部分，分别是主干特征提取部分、加强特征提取部分、预测部分。利用主干特征提取部分获得5个初步有效的特征层，之后通过加强特征提取部分对上述获取到的5个有效特征层进行上采样
Opencv项目实战：11 使用Opencv高亮显示文本检测
《Opencv项目实战：11 使用Opencv高亮显示文本检测》假如我们已经有了一个经过文字高亮的图片，我们想提取其中的文字，让我们可以快速的找到重点，并将其中的内容存入.csv文件当中。
跟我学Python图像处理丨傅里叶变换之高通滤波和低通滤波
本文讲解基于傅里叶变换的高通滤波和低通滤波。
文字生成图片
PaddleHub旨在为开发者提供丰富的、高质量的、直接可用的预训练模型【模型种类丰富】: 涵盖大模型、CV、NLP、Audio、Video、工业应用主流六大品类的 360+ 预训练模型，全部开源下载，离线可运行【超低使用门槛】：无需深度学习背景、无需数据与训练过程，可快速使用AI模型【一键模型快速
常用的20个计算机视觉开源数据集总结
本文总结了常用的开源计算机视觉数据集
基于Python的人脸互换系统设计与实现
在获取人脸关键点集合后，我们需要计算这些关键点的凸包（convex hull）（凸包是一个计算几何（图形学）中的概念：在一个实数向量空间 V 中，对于给定集合 X，所有包含X 的凸集的交集 S 被称为 X 的凸包。在上述人脸仿射变换后，我们得到人脸结构和位置的变换，但我们没有对人脸区域亮度进行调整，
YOLOv5、v7改进之二十八：ICLR 2022涨点神器——即插即用的动态卷积ODConv
作为当前先进的深度学习目标检测算法YOLOv5、v7系列算法，已经集合了大量的trick，但是在处理一些复杂背景问题的时候，还是容易出现错漏检的问题。此后的系列文章，将重点对YOLO系列算法的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己
Opencv项目实战：10 面部特征提取及添加滤镜
《Opencv项目实战：10 面部特征提取及添加滤镜》在本次项目，我将采取dlib和shape_predictor_68_face_landmarks.dat文件，为图像添加蒙版，更改嘴唇的色号，如果你想修改其他的部位，它的方法是同理的，除此之外，我还会让图片显示出脸部的68个地表，请敬请期待吧！
基于扩散模型的图像压缩：创建基于Stable Diffusion的有损压缩编解码器
Stable Diffusion是最近在图像生成领域大火的模型，在对他研究的时候我发现它可以作为非常强大的有损图像压缩编解码器。
基于Python实现染色算法的评估
【代码】基于Python实现染色算法的评估。
《Python 计算机视觉编程》学习笔记（一）
计算机视觉是一门对图像中信息进行自动提取的学科。计算机视觉有时试图模拟人类视觉，有时使用数据和统计方法，而有时几何是解决问题的关键。
opencv的基础用法及其在QT中的应用
opencv计算机视觉库 + QT桌面应用开发
目标检测YOLO系列算法的进化史
本文中将简单总结YOLO的发展历史，YOLO是计算机视觉领域中著名的模型之一
为什么不试试神奇的3407呢？
3407可能正是你所需要的！torch.manual seed(3407) is all you need！
在自己电脑运行Stable Diffusion和完整项目下载
本文中将介绍如何下载Stable Diffusion代码和预训练模型，并且将其整合成一个能够在本地电脑运行的项目，最后也会提供完整项目的下载。
CLIP，GLIP论文解读，清晰明了
CLIP：Contrastive Language-Image Pre-training，论文名称：Learning Transferable Visual Models From Natural Language Supervision。GLIP论文名称：Grounded Language-Im
