聊聊图像分割的DICE和IOU指标
dice 和 iou 都是衡量两个集合之间相似性的度量dice计算公式：iou计算公式：iou的集合理解：iou 其实就是两个区域的 overlap 部分和 union 部分的比值，也就是两个集合的交集/并集dice 的分母不是并集，因为dice的分母是两个区域的和，A+B = A + B - A∩
图像处理中调用matlab自带均值滤波、高斯滤波和中值滤波函数的案例以及自编均值滤波的案例。
利用matlab自带均值滤波器的代码，分别对一幅图像实现3*3，5*5，7*7，9*9的均值滤波，并对实验结果进行分析。分别给干净图像添加高斯和椒盐噪声，然后进行均值滤波、高斯滤波和中值滤波，并对实现结果进行分析。自编均值滤波器对一幅图像实现填充后，并完成3*3，5*5，7*7，9*9，11*11的
简单理解TensorFloat32
细节持续补充
YOLOFaceV2笔记
Yolo、YOLOFaceV2
摄影入门 | 相机的基本原理
小孔成像实验中，点燃蜡烛，会在小孔另一面的白纸上看到一个倒立的烛焰。。这样，我们就用一种最简单的方法在白纸上获得了蜡烛烛焰的图像。
【科研论文】找到中文论文的英文引用格式
如何找到中文论文的英文引用格式
使用 Opencv Gpu 模块
然后，你可以使用 cv2.cuda.getCudaEnabledDeviceCount() 函数来检查是否有可用的 GPU。如果有，你可以使用 cv2.cuda.Device() 函数来创建一个 GPU 设备对象，并使用 cv2.cuda.setDevice() 函数来设置当前使用的 GPU 设备。
Stable Diffusion在各种显卡上的加速方式测试，最高可以提速211.2%
在本文中，我们将介绍这些加速方法的原理和性能测试结果，并提供对不同显卡的成本效益总结，我们的目标时在并在2秒内生成高质量的图像。
yolov5目标检测样本框批量提取（将检测到的目标裁剪出来）
本文实现了代码的批量提取。
点云数据的语义分割算法综述总结大全（传统方法+基于深度学习的方法）
近些年基于深度学习的点云语义分割研究开始被广泛关注，并取得了极大的进展。我围绕点云数据的语义分割，从传统方法和基于深度学习方法两方面，来对近些年点云语义分割的研究做出系统的归纳和总结。因此恬不知耻的取名未——点云数据的语义分割算法综述总结大全（传统方法+基于深度学习的方法）哈哈哈哈。
Opencv(C++)笔记--图像的resize方法
结果分析：双线性插值的结果更平滑，分析原理可知利用邻近的四个像素点进行处理，类似一个滤波的操作。原理分析：双线性插值实质上是使用两次单线性插值操作进行数据的处理，原理如下（字丑莫怪）（②拉普拉斯金字塔：用来从金字塔底层图像重建上层未采样图像；①高斯金字塔：用于向下采样；3--双线性插值算法代码。4-
yolov7-tiny结合mobilenetV3（降参提速）
在各处看到关于yolo的魔改都是基于yolov5版本的，于是借鉴学习一下用在yolov7-tiny版本上，做一下学习记录；同时感谢一下各位大佬对开源做出的贡献！
coco数据集标注格式
COCO数据集中目标实例的json文件整体是以字典的形式来存储内容的。主要包括5个key（info、licenses、images、annotations、categories）。
Diffusion Model原理详解
Diffusion Model（扩散模型 ）对标的是生成对抗网络（GAN），本文将用通俗的语言和公式为大家介绍Diffusion Model，并且结合公式为大家梳理Diffusion Model的代码。
YOLOv5+Swin Transformer
YOLOv5＋swin tansformer里遇到的报错
一文搞懂 神经辐射场（Neural Radiance Fields，NeRF）
一文搞懂 神经辐射场（Neural Radiance Fields，NeRF）
opencv怎么使用GPU加速
要使用 OpenCV 的 GPU 模块，首先你需要安装带有 GPU 支持的 OpenCV 版本。然后，你需要确保你的计算机有一个 NVIDIA GPU，并且已经安装了 NVIDIA 的驱动程序和 CUDA 工具包。在你的代码中，你需要首先将 OpenCV 的 GPU 模块导入，例如：import c
图像工程：红外图像增强
红外图像增强的主要算法和背景
Windows下更换pip源
包含临时修改和永久修改pip源
【深度学习】详解 ViLT
【深度学习】详解 ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision
