图-文多模态，大模型，预训练
图-文任务是指需要同时处理图像和文本数据的任务，如图像描述、图像检索（image retrieval）、视觉问答（visual question answering）等。例如，图像描述（image captioning）就是一种典型的多模态任务，它需要根据给定的图像生成相应的文本描述。既不是单塔模型
UE基础使用
需要翻墙，可以直接下载。
计算机视觉与人工智能在医美人脸皮肤诊断方面的应用
近年来，随着计算机技术和人工智能的不断发展，中医领域开始逐渐探索利用这些先进技术来辅助面诊和诊断。在皮肤望诊方面，也出现了一些现代研究，尝试通过图像分析技术和人工智能算法来客观化地获取皮肤相关的色形参数，从而辅助中医面诊。
计算机视觉：分割一切AI大模型segment-anything
Segment Anything Model (SAM)来源于Facebook公司Meta AI实验室。据Mata实验室介绍，SAM 已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成 mask，甚至包括在训练过程中没有遇到过的物体和图像类型。SAM 足够通用，可以涵盖广泛的用
opencv保存图片
使用 OpenCV 可以使用 cv2.imwrite() 函数来保存图片。该函数需要两个参数：文件名和图片数据。如果需要保存的图片已经存在，则会覆盖原来的图片。例如，要保存一张图片，可以使用以下代码：import cv2# 读取图片img = cv2.imread("image.png")# 保存图
毕业设计-基于深度学习的图像文字识别系统
毕业设计-基于深度学习的图像文字识别系统：随着信息化水平的不断提升，以图像为主的多媒体信 息迅速成为重要的信息传递媒介，图像中的文字数据包含 丰富的高层语义信息与分析价值。光学字符识别（Optical Character Recognition，OCR）指利用电子设备（例如扫描仪 或数码相机）检查纸
【HDR】曝光融合（Exposure Fusion）
在曝光融合（Exposure Fusion）算法问世之前，多曝光序列合成用于显示的HDR需要两个步骤，第一步是将多张不同曝光的低动态范围图像合成为HDR（例如Debevec提出的加权融合方法），通常HDR为12bit或者16bit；第二步是通过tonemapping对高动态范围HDR进行压缩以支持低
OpenMMLab-AI实战营第二期——2-1.人体关键点检测与MMPose
关键点提取，属于模式识别人体姿态估计的下游任务：行为识别（比如：拥抱。。下游任务：CG和动画，这个是最常见的应用下游任务：人机交互（手势识别，依据收拾做出不同的响应，比如：HoloLens会对五指手势（3D）做出不同的反应）自顶向下方法自底向上方法单阶段方法基于Transformer的方法。
opencv 五 缺陷检测实战1（检测以连通域面积特征为缺陷）
上图为灰度图，由网格状排列黑点和大面积的黑点区域（即缺陷）组成，具体**缺陷类型为粘连**，其**形态学特征为 连通域面积较大**。查找图中缺陷（大面积的黑点）**算法的核心思想为：遍历所有的轮廓，根据面积判断缺陷**，当连通域面积大于一定的值（面积比普通的黑点大），即判断为缺陷，并在原图上标出缺陷
Halcon图像灰度值运算&图像截取及合并&灰度特征值介绍
获取灰度直方图：gray_histo算子：gray_histo(Regions, Image : : : AbsoluteHisto, RelativeHisto)示例：gray_histo (Region6, Image1, AbsoluteHisto, RelativeHisto)Region6
BEVFusion论文解读
本文将介绍MIT韩松课题组在自动驾驶方面的最新工作，他们提出了一种高效且通用的多任务多传感器融合框架BEVFusion。它统一了共享鸟瞰(BEV)表示空间中的多模态特征，很好地保留了几何信息和语义信息。
【人工智能】AGI 通用人工智能基础概念、实现原理、挑战和发展前景
随着计算机技术、机器学习和神经网络等技术的发展，人工智能（Artificial Intelligence, AI）已经成为当今计算机科学和工程领域的热门话题之一。强人工智能（Strong AI）或通用人工智能（英语：Artificial General Intelligence）是具备与人类同等智慧
YOLOV5 INT8 量化对比
对比了两种INT8量化, 熵校准的量化有更高的速度，但是吧…
BiFPN 论文重点研读：高效双向跨尺度连接和加权特征融合
本文重点在于说明设计了BiFPN特征网络结构，如果能多使用几次BiFPN的话，会使实验效果更好。
【目标检测】Grounding DINO：开集目标检测器(CVPR2023)
Grounding DINO，一种开集目标检测方案，将基于Transformer的检测器DINO与真值预训练相结合。开集检测关键是引入自然语言至闭集检测器，用于open world的检测。Grounding DINO将检测器分为三个阶段的紧密融合方案，包括。可实现对新颖类别进行检测，特定属性目标识别
从传统的图像压缩到基于深度学习的图像压缩
早期的图像压缩方法直接利用熵编码减少图像的编码冗余来实现压缩，例如，霍夫曼（Huffman）编码，算术编码，上下文自适应二进制算术编码。在20世纪 60年代后期基于图像变换的压缩方法被提出，这种压缩方法即将图像从空间域转换至频率域在频率域进行编码。变换编码中用到的变换方法主要包括傅里叶变换，Hada
【人工智能】企业如何使用 AI与人工智能的定义、研究价值、发展阶段的深刻讨论
企业如何使用 AI与人工智能的定义、研究价值、发展阶段的深刻讨论定义详解研究价值发展阶段企业如何使用 AI？科学介绍
ZED使用指南（一）
一、连接相机将相机插入USB3.0端口。二、下载ZED SDK（Jetson）1、NVIDIA Jetson安装操作系统Jetpack2、下载和系统匹配的ZED SDK进入下载的文件夹：cd path/to/download/folder使用chmod +x命令增加安装程序的执行权限，注意将名称替换
Opencv cv2.putText 函数详解
【代码】Opencv cv2.putText 函数详解。
论文中常用的注意力模块合集(上)
在深度卷积神经网络中，通过构建一系列的卷积层、非线性层和下采样层使得网络能够从全局感受野上提取图像特征来描述图像，但归根结底只是建模了图像的空间特征信息而没有建模通道之间的特征信息，整个特征图的各区域均被平等对待。在一些复杂度较高的背景中，容易造成模型的性能不佳，因此可以引入注意力机制，而注意力机制
