Dlib+Opencv库实现疲劳检测
Dlib+Opencv库实现疲劳检测
利用Matlab对双目摄像头进行标定
利用Matlab对双目摄像头进行标定
基于Python实现相机标定正畸并生成鸟瞰图
参考 Learning OpenCV 示例 18-1，利用棋盘格图像进行相机定标，将参数写入 XML 文件保存。棋盘格图像见群文件 LearningOpenCV/LearningOpenCV_Code/LearningOpenCV_Code/calibration参考示例 19-1，根据求得的内参实
最新版YOLOv6训练自己的数据集（超详细完整版！）
接着上篇文章继续写，本篇文章讲如何训练自己的数据集。从官网下载YOLOv6源码：meituan/YOLOv6: YOLOv6: a single-stage object detection framework dedicated to industrial applications. (githu
Yolov5网络修改教程（将backbone修改为EfficientNet、MobileNet3、RegNet等）
在我的本科毕业论文中，我使用了Yolov5，并尝试对其更改。可以对Yolov5进行一定程度的定制化修改，例如更轻量级的Yolov5-MobileNetv3 或者比Yolov5s更好的（存疑，没有跑过大数据集，可自己实验）Yolov5-EfficientNet。......
AI： 2021 年人工智能前沿科技报告02(更新中……)
AI： 2021 年人工智能前沿科技报告02(更新中……)2021 年对于人工智能技术和产业，依旧是不平凡的一年。随着算力、数据、算法等要素逐渐齐备，先进的算法结构不断涌现，各个研究方向研究成果不断突破，成熟的 AI 技术逐渐向代码库、平台和系统发展，实现产业和商业层面的落地应用，推动人工智能发展迈
Keras深度学习实战（12）——面部特征点检测
面部关键点的定位通常是许多面部分析方法和算法中的关键步骤。在本节中，我们介绍了如何通过训练卷积神经网络来检测面部的关键点，首先通过预训练模型提取特征，然后利用微调模型预测图像中人物的面部关键点。......
YOLO系列梳理（九）初尝新鲜出炉的YOLOv6
近日，美团视觉智能部开源了YOLOv6的框架。YOLOv4、YOLOv5更多是注重于数据增强，而对网络结构的改动则比较少。和YOLOv4、YOLOv5不同，YOLOv6对网络结构的改动还是蛮大的。
YOLOv6又快又准的目标检测框架 已开源
YOLOv6又快又准的目标检测框架 已开源
python-opencv车牌检测和定位
本篇文章主要说明了如何是哦用python-opencv进行车牌检测，包括图像处理和目标检测相关知识，我对代码进行了详细的说明和注释，请查看！
Yolov5更换上采样方式
将原本的的上采样方式替换为转置卷积；有人通过实验证明了确实涨点，但是我在VOC数据集上测试并没有涨点，大概掉了不到1点。
人工智能如何用于静态生物特征验证
静态生物特征验证是一种常用的 AI 功能，它可以实时捕捉人脸，并可以在不提示用户移动头部或面部的情况下确定人脸是否属于真人。通过这种方式，该服务有助于提供获得积极反馈的便捷用户体验。静态生物特征验证需要 RGB 摄像头，并且能够通过细节（例如莫尔图案或纸上的反射）区分真人的面部和欺骗攻击（例如面部和
计算机视觉OpenCV-图像直方图
首先我们先要了解一下python三大剑客之一——matplotlib我们都知道matlab作为一个工具是公认的绘图牛，但是我想说的是python下的matplotlib这个超级剑客也是非常厉害的，因为python近年来才火热起来，所以热度没有matlib高，但是matlib可以实现的功能作为pyth
目标检测系列——开山之作RCNN原理详解
RCNN是目标检测领域的开山之作，作者是Ross Girshick ，我们称之为RGB大神🥗🥗🥗 可以在google学术中看看这位大牛都写了哪些文章，看看这引用次数，只能惊呼🐂🍺！！！ 接下来将详细介绍介绍RCNN的原理，先来看看论文中这张经典的图片。这张图片展示了RCNN的实现
OpenCV图像处理入门
OpenCV相关知识继续讲解
2022/6/13
The Reforce Leaning based on Q-learning method, which is used in the interactive control of autos in the one single intersection. Easily speaking, the
Python图像处理
python图像处理
点标注、像素级视觉任务、Ground Truth
机器学习名词
计算机视觉可解释性——将特征图的某一通道转化为一张图来可视化
本实验是将某一层的特征图中的某一通道对其进行的可视化，有两种方式一种是使用opencv；另一种是使用tensorboard。运行结果使用的resnet50作为backbone的效果更好，将layer1的特征中第一层通道(256中的第1层)转化为图像 layer1. channels1.将layer1
网易云信获计算机视觉国际权威赛事冠军，超分辨率技术性能问鼎全球
本月，计算机视觉和模式识别领域顶级会议 CVPR 将在美国新奥尔良市举办，同期计算机图像恢复领域最具影响力的全球性赛事 NTIRE 将在会上颁奖。在 NTIRE 高效率超分辨率挑战赛中，网易云信音视频实验室从众多参赛团队中脱颖而出，在总体性能赛道以明显优势获得冠军，展现了云信在视频超分技术领域的顶尖
