图像分割 Image Segmentation
图像分割是许多视觉理解系统的重要组成部分。它包括将图像（或视频帧）分割成多个片段或对象。分割在医学图像分析(例如，肿瘤边界提取和组织体积测量），自主载体(例如，可导航表面和行人检测），视频监控，和增强现实起到了非常重要的作用。
【年度总结】AI--2023年度大事记
AI 2023年度大事记
计算机视觉期末复习
立体匹配：为左图像的每个像素点(xl, yl)，在右图像中搜索对应点匹配基元：参与立体匹配，计算相似测度的基本单元常用的匹配基元：像素单个像素存在相似性歧义需结合一行或整幅图像的所有像素同时完成匹配局部窗口区域具有较好的局部独特性隐含假定：窗口内所有像素应能表征中心像素特征具有较好的独特性稀疏且不均
从零开始使用MMSegmentation训练Segformer
写在前面：最新想要用最新的分割算法如：Segformer or SegNeXt 在自己的数据集上进行训练，但是有不是搞语义分割出身的，而且也没有系统的学过MMCV以及MMSegmentation。所以就折腾了很久，感觉利用MMSegmentation搭建框架可能比较系统，但是对于不熟悉的或者初学者非
图像去噪技术简述
随着每天拍摄的数字图像数量激增，对更准确、更美观的图像的需求也在增加。然而，现代相机拍摄的图像不可避免地会受到噪声的影响，从而导致视觉图像质量下降。因此，需要在不丢失图像特征（边缘、角和其他尖锐结构）的情况下降低噪声。迄今为止，研究人员已经提出了多种降低噪声的方法。每种方法都有自己的优点和缺点。在本
人工智能详细笔记：深度学习解决图像分割问题（FCN Unet Deeplab）
图像分割是指将一幅数字图像分成若干个部分或者对象的过程。该任务的目标是将图像中的每个像素分配给其所属的对象或者部分，因此它通常被视为一种像素级别的图像分析。
带你完全读懂正则化（看这一篇就够了）
想要了解什么是正则化 ，只需要看这一篇就够了
机器人手眼标定原理与python实现
机器人手眼标定分为eye in hand与eye to hand两种。本文介绍两种标定原理，并附python标定实现。
人工智能与量子计算：开启未知领域的智慧之旅
人工智能量子计算的结合既是科技发展的必然趋势，也是打开计算科学未知领域的一把金钥匙。人工智能与量子计算的结合是科技领域的一场创新盛宴，引领我们进入了探索未知领域的新时代。量子计算与人工智能的结合为科技领域带来了前所未有的机遇，同时也面临着前所未有的挑战。量子计算的崛起为人工智能领域注入了新的活力，开
基于opencv-mediapipe的手势识别
基于opencv-mediapipe的手势识别，使用手指构成的角度大小来判断手指是否弯曲或伸出
【国科大课程】AI院 数字图像处理-杨戈、彭思龙
2022年秋季《数字图像处理》课程复习整理。
PCL三维点云中的立体框映射到二维图像（在图像中绘制立体框）
三维点云与图像的映射，或者说是将三维点云中的点与二维图像中的某一个像素点进行对应。那么这么做的目的是什么呢？用途是什么呢“目的：目的就是将三维点与二维图像之间的映射关系作用1、可以给点云赋予彩色信息，增强点云所表达物体或对象的辨识度；2、可以将三维点云中绘制的目标物体通过映射关系绘制到二维图像中（最
医学图像去噪 -----EDCNN
本文提出了一种新的基于稠密连通卷积结构的去噪模型，即基于边缘增强的稠密连通网络(EDCNN)。 通过设计的基于可训练Sobel算子的边缘增强模块，该方法能够自适应地获取输入图像更丰富的边缘信息。 此外，我们还引入了复合损失函数，它是MSE损失和多尺度感知损失的加权融合。
OSTrack的一些代码执行命令讲解
执行如下命令可以生成路径文件，分别会在OSTrack/lib/train/admin目录和OSTrack/lib/test/evaluation目录下生成local.py文件，里面是各种路径的默认设置。配置文件为OSTrack/experiments/ostrack/vitb_256_mae_ce_
迁移学习常用数据集
PACS，数据集是一个域自适应的图像数据集，包含4个域，照片（1670张），艺术画（2048张），动画片（2344张）和素描（3929张）。类办公室环境中常见的目标物体，如笔记本电脑、文件柜、键盘等，共。张图像，图像表现出明显的噪点，颜色和白平衡伪。中的主流基准数据集，该数据集包含了。（网络摄像头拍
12、人工智能、机器学习、深度学习的关系
很多年前听一个机器学习的公开课，在Q&A环节，一个同学问了老师一个问题“老师先没回答，而是反问了在场的同学，结果问了2-3个，没有人可以回答的很到位，我当时也是初学一脸懵，会场准备的小礼品也没有拿到。后来老师解释“机器学习和深度学习并不是姊妹关系，而是包含与被包含的关系”。这一节开始进入深度学习部分
【图像分割】Unet系列深度讲解（FCN、UNET、UNET++）
【图像分割】Unet系列深度讲解（FCN、UNET、UNET++）
2023年小型计算机视觉总结
到2023年底，人工智能领域迎来了生成式人工智能的新成功:大型语言模型(llm)和图像生成模型。每个人都在谈论它，它们对小型计算机视觉应用有什么改变吗?
数字图像处理中的车牌识别
近年来，随着人工智能技术的发展，车牌识别技术的准确率和稳定性得到了很大的提高，已经成为智慧交通领域的重要技术之一。这个示例代码首先对车牌图像进行预处理，包括灰度化、高斯模糊、Sobel算子边缘检测、二值化和膨胀操作，然后查找车牌区域，并对车牌区域进行字符分割和字符识别，最后进行简单的后处理。这个示例
最新目标跟踪评估指标汇总
汇总目标跟踪的常用评估指标，主要包括下面几类：容易理解的概念：FP、FN、TP、id switch、ML、MT更加综合的概念：MOTA、IDF1、MOTP、HOTA、HOTP主要的介绍集中在HOTA。
