Text to image论文精读GigaGAN: 生成对抗网络仍然是文本生成图像的可行选择
GigaGAN是Adobe和卡内基梅隆大学学者们提出的一种新的GAN架构，作者设计了一种新的GAN架构，推理速度、合成高分辨率、扩展性都极其有优势，其证明GAN仍然是文本生成图像的可行选择之一。
图像处理-特征融合：相加、拼接、Attention
图像处理-特征融合：相加、拼接、Attention特征融合是指来自不同层或分支的特征的组合，是现代网络体系结构中很常见的一种操作。图像处理的特征融合中，对于普遍的多尺度融合，广泛操作是直接将他们相加或者拼接起来！即通常通过简单的操作（例如求和或串联）来实现，但是，这不一定是最佳选择。随着Transf
(笔记)ubuntu20.04下 yolov5学习与使用
等到数据训练好了以后，就会在主目录下产生一个run文件夹，在run/train/exp/weights目录下会产生两个权重文件，一个是最后一轮的权重文件，一个是最好的权重文件，一会我们就要利用这个最好的权重文件来做推理测试。对视频进行测试，和如上的图片的测试是一样的，只不过是将图片的路径改为视频的路
【翻译】图解Stable Diffusion
扩散”指的是下图中粉色这一块组件“图像信息生成器”中发生的处理过程。该组件获取能表示输入文本信息的token嵌入和一个随机初始化的图像信息张量（aka 潜变量），然后用它们生成一个信息张量，把这个信息张量交给图像解码器，去生成最终的图像。这个过程是一步一步进行的，逐步添加相关信息。想更直观的了解这个
可分离卷积(Separable convolution)详解
可分离卷积包括空间可分离卷积(Spatially Separable Convolutions)和深度可分离卷积(depthwise separable convolution)。
【深度学习】详解 MAE
【深度学习】详解 MAE - Masked Autoencoders Are Scalable Vision Learners
Segment Anything CV界的GPT—prompt-based里程碑式研究成果
Segment Anything由Meta AI发布，估计将成为计算机视觉界颠覆性成果，甚至可能重塑“计算机视觉”的概念。本文主要描述Segment AI的研究成果和简单应用，简明扼要提取有关论文的信息。
【一文足以系列】ORB SLAM2完整详细算法流程
逻辑详细且严密的讲述了ORBSLAM2的算法流程
超越ShuffleNet、MobileNet、MobileViT等模型的新backbone FasterNet
为了设计快速神经网络，许多工作都集中在减少浮点运算（FLOPs）的数量上。然而，作者观察到FLOPs的这种减少不一定会带来延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。为了实现更快的网络，作者重新回顾了FLOPs的运算符，并证明了如此低的FLOPS主要是由于运算符的频繁内存访
语义分割数据集：Cityscapes的使用
本文主要介绍Cityscapes在语义分割方向上的理解和使用。其中包括Cityscapes具体构建流程和使用方法。并提供了具体代码和pytorch dataset代码。
树莓派+MediaPipe+PCA9685+自制摄像机云台实现人脸跟踪移动
利用几十块钱的机械臂自制了一个摄像头云台，使用了两个MG90S舵机和一块PCA9685驱动的16路舵机扩展板，再通过谷歌的MediaPipe库实现摄像机跟随人脸移动的功能
【论文笔记】—低光图像增强—Supervised—URetinex-Net—2022-CVPR
【题目】：URetinex-Net: Retinex-based Deep Unfolding Network for Low-light Image Enhancement 提出了一种基于Retinex的 deep unfolding network （URetinex-Net），它将一个优化问题
Disco Diffusion 快速入门
Disco Diffusion（DD）是一个CLIP指导的AI图像生成技术，简单来说，Diffusion是一个对图像不断去噪的过程，而CLIP模型负责对图像的文本描。
【OpenCv • c++】 大津法（OTSU）阈值处理
在图像处理中，对于同样的操作，处理灰度图像的计算量要远远小于处理彩色图像，而二值图像（只含灰度值0或1）的计算量比前两者更小。因此，二值化操作在图像处理中有着很大的作用。二值化图像的实现方法有很多。用的最多的方法是利用图像像素点分布规律，设置阈值进行像素点分割，从而得到二值化图像。
torch.load() 、torch.load_state_dict() 详解
torch.load() 、torch.load_state_dict() 详解
基于Python手动实现Harris角点检测
基于Python手动实现Harris角点检测算法
OpenCV函数大全（超级详细版）-python操作
OpenCV函数大全（超级详细版）方便大家学习。
Opencv实战——图像拼接
图像拼接(Image Stitching)是一种利用实景图像组成全景空间的技术，它将多幅图像拼接成一幅大尺度图像或360度全景图，接可以看做是场景重建的一种特殊情况，其中图像仅通过平面单应性进行关联。图像拼接在运动检测和跟踪，增强现实，分辨率增强，视频压缩和图像稳定等机器视觉领域有很大的应用。
深度学习参数初始化（一）Xavier初始化 含代码
Xavier初始化也称为Glorot初始化，因为发明人为Xavier Glorot。Xavier initialization是 Glorot 等人为了解决随机初始化的问题提出来的另一种初始化方法，他们的思想就是尽可能的让输入和输出服从相同的分布，这样就能够避免后面层的激活函数的输出值趋向于0。..
可视化CNN和特征图
卷积神经网络(cnn)是一种神经网络，通常用于图像分类、目标检测和其他计算机视觉任务。CNN的关键组件之一是特征图，它是通过对图像应用卷积滤波器生成的输入图像的表示。
