SRCNN：基于深度学习的超分辨率开山之作回顾
本文提供了与SRCNN论文的总结和回顾，如果你对于图像的超分辨率感兴趣，一定要先阅读这篇论文，他可以说是所有基于深度学习的超分辨率模型的鼻祖
学习笔记：深度学习（4）——卷积神经网络（CNN）PyTorch实践篇
小白PyTorch超快上手，采用CNN做了一个手写数字识别，一个MINST手写数字预测，以及尝试了Kaggle的Spaceship Titanic案例。
目标检测算法——YOLOv5将IOU Loss替换为EIOU Loss
将YOLOv5中的锚框损失函数替换为EIOU Loss，性能远优于原IOU、DIOU以及CIOU等，测试自身数据集发现涨点明显！
目标检测算法——YOLOv5结合BiFPN
将YOLOv5中的PANet层修改为EfficientDet-BiFPN，实现自上而下与自下而上的深浅层特征双向融合，明显提升YOLOv5算法检测精度。
墨奇科技博客｜计算机视觉在前端应用中的实践 II
在上一篇博客中，我们简单介绍了如何基于 OpenCV.js 或 Rust/WebAssembly 设计并实现技术方案，在前端业务中实现计算机视觉类（下文简称 CV）的功能。感兴趣的同学可以点击下方链接回顾上一期博客：墨奇科技博客 | 计算机视觉在前端应用中的实践Ⅰhttps://blog.csdn.
OCR文字识别技术总结（四）
导读：在上一篇文章中我们对文字检测各类算法进行总结，本篇将继续介绍OCR领域文字识别理论部分的研究，将从规则文本及不规则文本的文字识别进行展开，主要介绍主流文字识别相关算法。
【计算机视觉】局部图像描述子：SIFT算法
文章目录【计算机视觉】局部图像描述子：SIFT算法1. SIFT算法的原理1.1 SIFT算法的目标与思想1.1.1 算法目标1.1.2 算法思想1.2 尺度空间的思想和表示1.2.1 尺度空间的思想1.2.2 尺度空间的表示1.3 高斯金字塔的构建1.4 高斯差分金字塔和DOG函数1.5 DOG局
OpenCV基本功 之 图像的掩模、运算 & 合并专题 -小啾带学【Python-Open_CV系列（七）】
OpenCV图像的掩模、运算 与 合并 (以Python为工具) Open_CV系列（七）1.图像的掩模2.图像的运算2.1 图像的加法运算2.1.1 “+”方法2.1.2 cv2.add()方法2.1.3 使用掩模遮盖相加结果2.2 图像的位运算2.2.1 按位与 cv2.bitwise_and(
2. 3种常见网络重参数化论文、解读、使用方法、实现代码整理（Re-Parameter）
源码下载地址：下载地址目录Re-Parameter(ReP) Series1. RepVGG Usage2. ACNet Usage3. Diverse Branch Block(DDB) Usage【先验知识】首先向各位读者介绍一下卷积的一些基本性质，这几篇论文所提出的重参数操作，都是基于卷积的这
OpenCV像素处理基本操作 Open_CV系列（二）
OpenCV像素处理基本操作1. 提取指定位置的像素RGB值(BGR)2. 修改指定像素的BGR值2.1 修改一个像素2.2 修改一个区域的像素3. 图像的创建3.1 创建纯黑/白图像3.2 创建黑白相间图像3.3 创建彩色图像3.4 随机颜色图像（雪花点图）4. 图像的拼接水平拼接 hstack(
tensorflow安装测试教程【一文读懂】
tensorflow 各个版本安装体验教程、一文读懂
一张照片，AI生成抽象画（CLIPasso项目安装使用） | 机器学习
最近看到一个比较有意思的项目，可以将照片生成对应的抽象画。AI帮你一键生成一张抽象画。
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔目录OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔1. 图像梯度1.1 Sobel和Scharr算子1.2 Laplacian算子2. Canny边缘检测2.1 多阶段的Canny边缘检测算法
基于人脸识别的人脸考勤机实现（训练、测试、部署）
代码下载地址：下载地址一、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头二、软件：Python：3.7opencvDlib二、用法：使用python demo_full.py --{参数名}={参数值} -h, --help sh
基于人脸识别、姿态检测、距离估计的看电视姿态检测
人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近代码下载地址：下载地址AI分析看电视行为一、功能：人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近二、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头三、软
yolov5——训练策略
yolov5——训练策略前言前言yolov5的训练策略big big丰富，这也是yolov5涨分厉害的reason，目前yolov5的使用量也是非常大的，官网的star已经23.5k了，无论是在迁移学习还是实际场景的应用都是非常广泛的。之前参加比赛，发现好几页的选手都在使用yolov5，确实有必要梳
Opencv从入门到精通（三）：图像基础操作和变形与裁剪
文章目录一、基础操作二、resize和crop一、基础操作在Opencv中约定通道是BGR但是彩色图像是RGBimg = cv2.imread('./1.png')# print(img, type(img)) # ndarrayimg_gray = cv2.cvtColor(img, code=
OpenCV中的图像处理 —— 改变颜色空间+图像几何变换
OpenCV中的图像处理 —— 改变颜色空间+图像几何变换这一部分主要介绍OpenCV图像处理中的改变颜色空间和图像的几何变换，颜色空间的改变应用非常广泛，在处理图像的实际问题中，经常需要要图像变换为单通道灰度图像等形式操作，在文中会有一个追踪颜色的小实例便于理解，图像的几何变换是老生常谈的东西了，
自动驾驶中激光雷达如何检测障碍物
自动驾驶中激光雷达如何检测障碍物1. 介绍1.1 激光雷达-一种三维激光传感器1.2 激光雷达的优缺点？1.3 基于激光雷达如何进行障碍物检测？1.4 点云处理难点2. 点云处理2.1 点云处理-体素网格2.1.1 什么是体素网格？3 三维点云的分割3.1 RANSAC3.1.1 RANSAC 的实
OpenCV的核心操作 —— 图像的基本操作+图像上的算术运算
OpenCV的核心操作 —— 图像的基本操作+图像上的算术运算对图像的基本操作包括访问像素值并对其进行修改、访问像素属性、设置感兴趣区域和分割/合并图像通道，如果我们想用OpenCV写出更好的优化代码，熟练使用Numpy是至关重要的（Numpy是一个用于快速数组计算的优化库）1. 图像的基本操作1
