Colmap学习二：前端部分（特征点提取、匹配与剔除）
1 Colmap特征提取和描述colmap一般使用sift-gpu，涉及的知识：1.1 图像金字塔：DOG图像金字塔，再找极值1.2 SIFT特征检测与描述：确定主方向和128维的描述子，再归一化(消除光照的影响)。其中由于Euclidean distance 容易受较大值的影响，使用Helling
OpenCV实战——使用MSER提取特征区域
最大稳定极值区域 (maximally stable external regions, MSER) 算法同样使用注水过程类比提取图像中的特征区域，这些区域同样通过逐级淹没图像来创建，但我们将重点关注在浸入过程中保持相对稳定的盆地，这些区域对应于图像中目标对象的特征部分。在 OpenCV 中可以使用
万字长文：Stable Diffusion 保姆级教程
万字长文，超详细一步一步教你在本地部署运行当下超火的Stable Diffusion模型，生成各种风格图像。
注意力机制详解系列（三）：空间注意力机制
本篇为注意力机制系列第三篇，主要介绍注意力机制中的空间注意力机制，着重详解DCN、Non-local、ViT、DETR等模型，下一篇将对混合注意力机制和时域注意力机制进行讲解。
探索图文处理的未来：知名学府与合合信息团队分享NLP实践经验，人工智能引领技术革新
根据众位学术技术大咖的分享来看，未来图文智能处理的发展将会更加智能化、自动化和可定制化。具体来说，未来的图文智能处理技术将会更加注重生成式人工智能技术的应用，例如深度学习、自然语言处理、计算机视觉等。这将使得处理效果更加准确和高效。同时，未来的图文智能处理技术将会更加自动化，例如自动识别文档类型、自
如何用AI制作电影级镜头？Midjourney v5体验教程(附prompts大全)
在ChatGPT4.0发布后，由Midjourney研究实验室紧随其后发布了Midjourney v5版本，在镜头语言、光影渲染等方面更自然。本文带大家体验Midjourney v5，并附prompts大全
六轴传感器+卡尔曼滤波+一阶低通滤波
直立控制是通过角度与角速度反馈来进行的，所以角度与角速度的测量至关重要。本系统使用 MPU6050 作为姿态传感器，集成一个加速度传感器和一个陀螺仪，可以输出三轴的加速度与角速度。角速度的获取可以通过陀螺仪来直接读取，角度的获取可以有两种方法来测量：一是通过加速度计的加速度分量来计算，二是通过陀
OpenCV人脸识别，训练模型为cv2.face.LBPHFaceRecognizer_create()
OpenCV内部自带有三种人脸检测方式LBPH人脸识和其他两种方法（Eigen人脸识别，FisherFace人脸识别）本次主要说明第一种方式LBPH检测。
【Keras+计算机视觉+Tensorflow】OCR文字识别实战（附源码和数据集 超详细必看）
【Keras+计算机视觉+Tensorflow】OCR文字识别实战（附源码和数据集 超详细必看）
Opencv图像特征点提取(
Opencv三种特征ORB、SIFT、SURF特征介绍，图像金字塔，灰度质心法
多模态融合相关概念
多模态图像融合
Attention Mechanisms in Computer Vision: A Survey综述详解
2021年11月16日，清华大学计图团队和南开大学程明明教授团队、卡迪夫大学Ralph R. Martin教授合作，在ArXiv上发布关于计算机视觉中的注意力机制的综述文章[1]。该综述系统地介绍了注意力机制在计算机视觉领域中相关工作，并创建了一个仓库。该综述论文的第一作者是胡事民教授的博士生国孟昊
GAN系列之 pix2pixGAN 网络原理介绍以及论文解读
pix2pix GAN主要用于图像之间的转换，又称图像翻译。图像处理的很多问题都是将一张输入的图片转变为一张对应的输出图片，端到端的训练。 如果要根据每个问题设定一个特定的loss function 来让CNN去优化，通常都是训练CNN去缩小输入跟输出的欧氏距离，但这样通常会得到比较模糊的输出。
常见三维表示方法
三维表示是机器视觉的一项关键技术，它能直观的反映物体的形状，与我们熟悉的二维表示相比，三维表示带有深度信息，因此有效的三维表示是实现三维模型重建、三维目标检测、场景语义分割等机器视觉任务的重要关键，在机器人、AR/VR、人机交互、遥感测绘等领域有着广泛的应用前景。
Mask RCNN详解
MaskR-CNN是对FasterR-CNN的直观扩展，网络的主干有RPN转换为主干网络为ResNet的添加了一个分支用于预测每个感兴趣区域(RoI)上的分割掩模，与现有的用于分类和边界盒回归的分支并行（图1）。
用Cmake 编译OpenCV常见的错误
minGW32-make遇到的错误1：[ 37%] Linking CXX shared library …\bin\libopencv_core341.dllCMakeFiles\opencv_core.dir/objects.a: member CMakeFiles\opencv_core.di
【Make YOLO Great Again】最终版本YOLOv1-v7全系列大解析（全网最详细汇总篇）
全网最详细YOLOv1-v7全系列大解析汇总篇
MMLab
MMLabMMLab的主要研究方向：机器学习、强化学习、半监督/弱监督/自监督学习等方向的前沿方法和理论长视频理解、3D视觉、生成模型等的计算机视觉新兴方向物体检测、动作识别等核心方向的性能突破深度学习的创新应用探索，以及与医疗、社会科学、艺术创作等领域的交叉创新深度学习时代，算法与计算、系统框架、
相机模型、相机标定及基于yolov5的单目测距实现
相机模型、相机标定及基于yolov5的单目测距实现1 前言2 相机模型及单目测距原理3 相机参数标定3.1 内参矩阵3.2 内参标定1 前言在摄像头成像过程中，物体反射的光线通过摄像头的凸透镜打在成像器件上，形成一张图片。这是一个三维物体转换为二维图像的过程。在这个过程中，丢失了物体的深度信息，所以
绝了，超越YOLOv7、v8,YOLOv6 v3.0正式发布
YOLOv6 全新版本v3.0正式发布！引入新的网络架构和训练方案，其中YOLOv6-S以484 FPS的速度达到45.0% AP，超过YOLOv5-S、YOLOv8-S，其代码刚刚开源。由于前段时间Ultralytics公司透露出V8的发布消息，美团也坐不住了，YOLO社区一直情绪高涨！随着中
