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。

伪彩色图像处理

伪彩色处理(pseudocoloring)是指根据一定准则给灰度值赋予彩色值的处理。宏观来说就是将黑白图像转化为彩色图像,或者是将单色图像变换成给定彩色分布的图像。由于人眼对彩色的分辨能力远远高于对灰度的分辨能力,所以将灰度图像转化成彩色表示,就可以提高对图像细节的辨别力。因此,伪彩色处理的主要目的

零基础手把手训练实践-图像分类模型-基于达摩院modelscope

图像分类模型是最简单的,也是最基础的计算机视觉任务,应用非常广泛。本文将手把手介绍零基础训练图像分类模型的实践过程。文章主要介绍如何在标注好的数据集基础上,进行微调,使模型能够在新的数据上重新适配一个新的分类任务。

17届全国大学生智能汽车竞赛 中国石油大学(华东)智能视觉组 国特开源

所有开源代码已上传到我的[GitHub仓库](https://github.com/shuoshuof/17-openmv-)。 因为寒假回家,大部分的代码都在实验室主机上。所以开源的代码大部分重新编写过,没有经过上车测试。如果发现问题,请及时给我留言或者提issue。 希望我的开

经典文献阅读之--Orbeez-SLAM(单目稠密点云建图)

对于现在的VSLAM而言,现在越来越多的工作开始聚焦于如何将深度学习结合到VSLAM当中,而最近的这个工作就给出了一个比较合适的方法。》这篇文章,可以轻松适应新的场景,而不需要预先训练,并实时为下游任务生成密集的地图。它成功地与隐式神经表示法(NERF)和视觉里程法相结合,实现了只需要RGB输入即可

数字图像处理——实验五 基于图像分割的车牌定位识别

数字图像处理系列的较为综合的一个实验:基于模板匹配的车牌识别

通道信息,空间信息,通道注意力以及空间注意力

通道信息,空间信息,通道注意力以及空间注意力

基于yolov5的pyqt5目标检测图形上位机工具【附工程代码】

基于yolov5的目标检测上位机

【halcon】灰度直方图直观理解与应用

这篇文章,由灰度直方图,引出了三个常用的用于分割的函数:threshold全局阈值分割binary_thresholddyn_threshold 动态阈值分割mean_image 均值滤波。

SVHN街道实景门牌识别

对模型进行训练,并在每个epoch后输出训练集和测试集上的准备率/损失。

ORB SLAM3 ubuntu18.04 ROS 运行 段错误 (核心已转储) 踩坑及解决

ubuntu18.04 ROS 运行 ORB SLAM3 段错误 (核心已转储) 踩坑及解决

水果分割论文、代码和数据集汇总

果园、分割、算法

图像分类综述

什么是图像分类,核心是从给定的分类集合中给图像分配一个标签的任务。实际上,这意味着我们的任务是分析一个输入图像并返回一个将图像分类的标签。标签来自预定义的可能类别集。示例:我们假定一个可能的类别集categories = {dog, cat, eagle},之后我们提供一张图1给分类系统:这里的目标

OpenCV基础知识(1)— OpenCV概述

OpenCV是人工智能计算机视觉领域的基石,长期以来一直是软件开发的重要组成部分,本篇文章就带领大家了解一下OpenCV的基本概念及应用!

OpenGL绘图初识总结与简单操作——画线与设置透明度

OpenGL绘图初识总结与简单操作——画线与设置透明度

毕业设计-基于深度学习的智能车牌识别系统

毕业设计-基于深度学习的智能车牌识别系统:智能车牌识别技术是智能交通工程领域的重要环节,在交通监视与控制方面占有举足轻重的地位。从车 牌识别的一般流程出发,设计基于CenterNet目标检测以及CNN卷积神经网络的智能车牌识别系统。利用CenterNet网络 高效定位车牌位置,通过对检测截取出的车牌