【OpenCv • c++】图像识别边缘检测 图像差分运算
边缘检测是图像处理与计算机视觉中最重要的技术之一，其目的是检测识别出图像中亮度变化剧烈的像素点构成的集合。图像边缘的正确检测对于分析图像中的内容、实现图像中物体的分割、定位等具有重要的作用。边缘检测大大减少了源图像的数据量，剔除了与目标不相干的信息，保留了图像重要的结构属性。边缘检测算子是利用图像边
如何运行代码mikel-brostrom/yolov8_tracking实现目标识别和跟踪？
的yolo是23年1月27号发布的。
【YOLOv5】Backbone、Neck、Head各模块详解
详解Yolov5原理及backbone、neck、head三个模块的作用及结构。
YOLOv5-6.1添加注意力机制（SE、CBAM、ECA、CA）
0. 添加方法主要步骤：（1）在models/common.py中注册注意力模块（2）在models/yolo.py中的parse_model函数中添加注意力模块（3）修改配置文件yolov5s.yaml（4）运行yolo.py进行验证各个注意力机制模块的添加方法类似，各注意力模块的修改参照SE。完
Opencv + MediaPipe -＞ 手势识别
利用OpenCV mediapipe，快速实现简单的手势识别
YOLOv5改进：引入DenseNet思想打造密集连接模块，彻底提升目标检测性能
目录一、密集连接模块的介绍1、密集连接的概念2、密集连接与残差连接的对比3、DenseNet的结构二、 YOLOv5中引入密集连接模块的原因1、密集连接模块对于目标检测的优势2、密集连接模块对目标检测性能的影响三、 YOLOv5中密集连接模块的具体实现1、使用DenseNet的基本单元DenseBl
通过Python的PIL库进行图像的过滤
ImageFilter是Python图像处理库PIL中的一个类，提供了一些常用的图像滤波器。它可以用来对图像进行模糊、边缘检测等处理。
【OpenCv • c++】基础边缘检测算子 —— Sobel
边缘检测是图像处理与计算机视觉中最重要的技术之一，其目的是检测识别出图像中亮度变化剧烈的像素点构成的集合。图像边缘的正确检测对于分析图像中的内容、实现图像中物体的分割、定位等具有重要的作用。边缘检测大大减少了源图像的数据量，剔除了与目标不相干的信息，保留了图像重要的结构属性。边缘检测算子是利用图像边
Python opencv进行圆形识别（圆检测）
圆形识别（圆检测）是图像识别中很常见的一种处理方式，最核心的是cv2.HoughCircles这个函数实现的圆形检测。
YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析
全网最全YOLOv5项目目录结构超详细分析。逐个文件注释，小白上手必备
yolov5的detect.py代码详解
目标检测系列之yolov5的detect.py代码详解
【OpenCv • c++】形态学技术操作 —— 开运算与闭运算
在上一篇文章中，我们了解了腐蚀与膨胀的原理与实现，今天我们继续学习形态学技术操作里面的开运算与闭运算。
【OpenCv • c++】形态学技术操作 —— 腐蚀与膨胀
形态学腐蚀膨胀操作是形态学的基本操作，常用于图形处理方面，实现了对目标像素点进行拓展的目的。从数学角度来讲，腐蚀膨胀操作就是将图像或者图像的一部分（称之为核A）与核（称之为核B）进行卷积。
CCIG 2023 从视觉-语言模型到智能文档图像处理
最近，中国图像图形大会（CCIG 2023）在苏州成功结束。本次大会以“图像图形·向未来”为主题，由中国科学技术协会指导，中国图像图形学学会主办，苏州科技大学承办。论坛邀请了5位学术界🎓和产业界💼的专家做特邀报告，共同交流文档图像分析与处理的前沿学术进展、在典型行业的规模化应用情况，并探讨未来技
图像处理之阈值分割[全局阈值、Otsu阈值和迭代式阈值分割]
背景CO的灰度级为0 ~ t-1，目标C1的灰度级为t ~ L-1。对于物体和背景对比较明显的图像，其灰度直方图为双峰形状，可以选择两峰之间的波谷对应的像素值作为全局阙值，将图像分割为目标对象和背景。迭代阈值法是阈值法图像分割中比较有效的方法，通过迭代的方法来求出分割的最佳阅值，具有一定的自适应性。
YOLO 模型的评估指标——IOU、Precision、Recall、F1-score、mAP
YOLO是最先进的目标检测模型之一。目标检测问题相比分类问题要更加复杂，因为目标检测不仅要把类别预测正确，还要预测出这个类别具体在哪个位置。我将目标识别的评估指标总结为两部分，一部分为预测框的预测指标，另一部分为分类预测指标。
Ubuntu20.04配置ORBSLAM2并运行（保姆级教程）
首先欢迎大家来到我的博客，因为自己在这个ORB_SLAM2的环境配置上走了太多的坑，为了让研友不再入坑，决定来个保姆级教程，哈哈哈。
minigpt4搭建过程记录，简单体验图文识别乐趣
从3月开始，aigc进入了疯狂的开端，正如4月12日无界 AI直播 在《探索 AIGC 与人类合作的无限可能》中关于梳理的时间线一样，aigc的各种产品如雨后春笋般进入了不可逆的态势，里面有句话很形象，人间一日，AIGC十年。这产变革像是有计划性的沧海桑田，让每个参与者亦或者体验者都感觉时过境迁，本
Segment Anything（SAM）的demo的简单使用
cmd命令：注意notebooks/images/是指你的输入图片路径，output是指的输出mask的路径，后面的--device cpu如果加了，就会采用cpu跑，不然会默认GPU。进行安装即可，对了我是用的anconda环境，建议创建一个新的虚拟环境，避免干扰自己的其他配置，注意python版
通过Python的pytesseract库识别图片中的文字
通过Python的pytesseract库识别图片中的文字。
