计算机视觉应用算法的通俗理解 - 网络究竟在里面干了什么（一）
计算机视觉应用算法1.计算机视觉的应用算法2.图像的特征与视频特征2.1 图像特征2.2 视频特征3.算法通俗理解3.1 图像分类3.2 目标检测3.3 语义分割3.4 关键点检测1.计算机视觉的应用算法计算机视觉有许多算法任务：图像分类，图片相似搜索。图像分割，关键点检测，目标检测，目标跟踪，视频
python 基于pillow模块生成随机图片验证码教程
效果图我们先来看一下大致的效果图。以上图形都是用非常基础的元素构成的：点，线，曲线，文本。而pillow模块远远不止这些功能，如果学好了它，真的就是你想怎么花就怎么花。 那么现在我们就去学习一下它的简单使用吧！pillow的基本使用安装pillow模块pillow属第三方模块，我们需要使用pip进行
基于微分方程的图像去噪处理(改进型P-M法)
本文通过结合P-M微分模型与中值滤波进行去噪设计，提出了LMFPM的去噪模型。该模型对P-M法中的扩散函数中的图像梯度模进行处理，为其增加中值滤波的线性影响，以实现对噪声和边界的区分处理，解决了P-M法中对小尺度噪声处理效果不好的问题。对提出的模型利用有限差分法进行数值计算，然后用实验对比均值滤波、
图像处理操作
本文介绍了傅里叶变换处理，离散余弦变换，灰度增强，图像翻转，线性变换，对数变换，直方图均衡化，直方图规定化，均值和中值滤波和低通滤波
《Yolov5实验数据全部开源》
公开了个人实验数据及配置文件代码
NVIDIA Maxine 姿势识别极简教程
NVIDIA Maxine是一套GPU加速的SDK，它用人工智能重塑了音频和视频，提升了标准麦克风和摄像头的能力。Maxine提供最先进的实时人工智能音频、视频和增强现实功能，可内置到端到端深度学习流程中。使用一个标准的摄像头，使实时身体姿态识别成为可能。能够让您享受有趣、迷人的AR效果。
计算机视觉系列（二）——迁移学习
目录一、迁移学习与微调二、如何寻找预训练的模型？三、初始化模型四、将 ResNet 迁移到 CIFAR-10 上一、迁移学习与微调ImageNet 数据集大约有 120w 个样本，类别数为 1000；MNIST 数据集只有 6w 个样本，类别数为 10。然而，我们平常接触到的数据集的规模通常在这两者
多目标追踪小抄：快速了解MOT的基本概念
MOT 获取单个连续视频并以特定帧速率 (fps) 将其拆分为离散帧以输出
卷积神经网络(原理与代码实现)
卷积神经网络1、卷积的概念2、感受野的概念3、全零填充(padding)4、Tensorflow描述卷积层4.1 卷积(Convolutional)4.2 批标准化（Batch Normalization，BN）4.3 池化4.4 Dropout5、简单CNN实现CIFAR10数据集分类5.1 ci
C++/OpenCV connectedComponentsWithStats函数异常解决方案（查找连通分量问题）
查询连通分量异常问题，输入三通道异常，输入单通道OK
【注意力机制集锦2】BAM&SGE&DAN原文、结构、源码详解
视觉注意力机制领域BAM及DAN的原文、结构、源码解读
人工智能-作业4：CNN - 卷积
真有意思啊！！
【人工智能】计算机视觉之OpenCV学习详解一
文章目录一，前言二，OpenCV安装三，实战学习3.1,色彩处理3.2，裁剪提取3.3，图像绘制四，源码五，后言一，前言看准这个方向很久了，今天开始和Java，Go一起推进学习。不求多，每天学习一点点。二，OpenCV安装作为Python选手的我，当然选择了Python语言来学习OpenCV。编译器
Taskonomy 多任务学习
Taskonomy 多任务迁移学习数据集解析下载及任务详解
AI实现艺术品自动生成？太牛了
什么是AI艺术家?本文介绍了AI艺术家的基本原理以及使用流程,为艺术创作带来新的概念,希望能得到大家的鼓励支持!
LSTM 又回来了！ 新论文使用LSTM挑战长序列建模的 ViT
Sequencer 通过将空间信息与节省内存和节省参数的 LSTM 混合来降低内存成本，并在长序列建模上实现与 ViT 竞争的性能。
警惕AI复制，几张图片就能实现视频伪造
CSDN话题挑战赛第1期活动详情地址：https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f参赛话题：哪项人工智能技术使你感受到了神奇？话题描述：在你漫长炼丹之旅，哪一项人工智能技术最让你印象深刻？前言前端时间悬疑剧《猎罪图鉴》热播
【机器视觉 + HALCON】 - 卡尺1D测量原理
相比于计算机视觉领域使用深度学习方法而言，传统视觉方法虽然学习与编码成本很高，但是相较之下更为靠谱，每个操作都是可解释，可复现的。对于一些精度要求较高，训练样本很少且检测场景比较模板化的任务，使用传统视觉方法是非常有效的本文简单介绍一下HALCON中1D卡尺测量原理，该部分也是传统视觉方法中最基础也
Residual, BottleNeck, Inverted Residual, MBConv的解释和Pytorch实现
上篇ConvNext的文章有小伙伴问BottleNeck，Inverted Residual的区别，所以找了这篇文章，详细的解释一些用到的卷积块，当作趁热打铁吧
使用PyTorch复现ConvNext：从Resnet到ConvNext的完整步骤详解
ConvNext论文提出了一种新的基于卷积的架构，不仅超越了基于 Transformer 的模型（如 Swin），而且可以随着数据量的增加而扩展！今天我们使用Pytorch来对其进行复现。
