计算机视觉

计算机视觉对比学习串烧二文章参考对比学习论文综述【论文精读】 🌹 🚀《Representation Learning with Contrastive Predictive Coding》，文章提出了一种名为对比预测编码（Contrastive Predictive Coding，简称CPC）的通用无监督学习方法，用于从高维数据中提取有用的表征。

Terry Cao 漕河泾

SRT3D: A Sparse Region-Based 3D Object Tracking Approach for the Real World基于区域的方法在基于模型的单目3D跟踪无纹理物体的复杂场景中变得越来越流行。然而，尽管它们能够实现最先进的结果，大多数方法的计算开销很大，需要大量资源来实时运行。在下文中，我们基于之前的工作，开发了SRT3D，这是一种稀疏的基于区域的3D物体跟踪方法，旨在弥合效率上的差距。我们的方法在所谓的对应线（这些线模型化了物体轮廓位置的概率）上稀疏地考虑图像信息。由此，我们改进了当前的技术，并引入了考虑定义的全局和局部不确定性的平滑阶跃函数。对于所得到的概率公式，提供了详尽的分析。最后，我们使用预渲染的稀疏视点模型

Objects as Points基于中心点的目标检测方法CenterNet—CVPR2019Anchor Free和Anchor Base方法的区别在于是否在检测的过程中生成大量的先验框。CenterNet直接预测物体的中心点的位置坐标。

yolov8多任务模型-目标检测+车道线检测+可行驶区域检测-yolo多检测头代码+教程参数与速度交通对象检测结果可行驶区域分割结果车道线检测结果消融研究 1: 自适应连接模块消融研究 2: 不同多任务模型和分割结构的结果

计算机视觉硬件知识点整理（三）：镜头提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档在这个信息化飞速发展的时代，计算机视觉技术正逐渐渗透到我们生活的方方面面。从智能监控、自动驾驶，到人脸识别、虚拟现实，计算机视觉的应用领域日益广泛。而在这一技术背后，硬件设备的重要性不言而喻。其中，镜头作为计算机视觉硬件的核心组件之一，发挥着举足轻重的作用。本次博客将带你走进计算机视觉硬件的世界，重点介绍镜头的原理、种类及其在计算机视觉中的应用。

【目标检测】labelimg图像标注软件的使用流程一、labelimg检测图片标注 1、下载labelimg.exe 链接：https://pan.baidu.com/s/1yk8ff56Xu40-ZLBghEQ5nw 提取码：vj8f 下载的文件是编译好的，可执行的labelImg.exe文件。直接将文件放在windows环境下，双击可执行。（如果链接失效可以联系我，或者使用源码安装）

MATLAB系列09：图形句柄MATLAB 图形系统是建立在图形对象的等级系统之上，每一个图形对象都有一个独立的名字，这个名字叫做句柄。每一个图形对象都有它的属性，我们可以通过修改它的属性来修改物体的行为。例如，一条曲线是图形对象的一种。曲线对象有以下的属性： x 数据， y 数据，颜色，线的类型，线宽，符号类型等等。修改其中的一个属性就会改变图象窗口中的一个图像。

OpenCV特征检测(1)检测图像中的线段的类LineSegmentDe()的使用检测图像中线段的类.。遵循在 285中描述的算法。绘制两组线，一组用蓝色，一组用红色，并计算非重叠（不匹配）的像素。

Opencv图像预处理(三)一种常用的图像平滑处理方法，通过将像素的领域内像素值取平均来减少图像中的噪声，从而达到图像平滑的效果，图像会更模糊。

【2023工业异常检测文献】SimpleNetSimpleNet:ASimpleNetworkforImageAnomalyDetectionandLocalization

OpenCV Python 深度指南OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了大量的图像处理和机器视觉算法。OpenCV支持多种编程语言，包括C++和Python，其中Python接口因其易用性和灵活性而受到广泛欢迎。本指南将覆盖以下几个方面：

OpenCV 1前言：开新坑辽，，目录计算机眼中的图像视频的读取与处理ROI区域边界填充数值计算腐蚀操作膨胀操作开运算与闭运算

阿里通义千问开源Qwen2.5系列模型：Qwen2-VL-72B媲美GPT-4通义千问团队宣布，继Qwen2发布三个月后，Qwen家族的最新成员——Qwen2.5系列语言模型正式开源。这标志着可能是历史上最大规模的开源发布之一，包括了通用语言模型Qwen2.5，以及专门针对编程和数学领域的Qwen2.5-Coder和Qwen2.5-Math模型。

Halcon OCR检测免训练版一.前言：目前新版的Halcon已经具备了DeepOcr的功能可以涵盖大部分的识别场景，缺点是有些特殊的应用场景依然需要大量的图片训练，而且Halcon22之前的版本DeepOCR是不支持训练的，我们都知道传统的OCR项目是通过Blob分析，把需要检测的字符位置在图像中割出来。然后利用MLP,SVM,GMM等等机器学习的方式训练OCR识别模型。其实对于标准印刷字体还有点阵字体，工业打印字体等等，Halcon预训练的现成的模型，可以拿来直接做字符识别，用起来也非常的方便。他的好处是应用速度很快，并且不需要做

嵌入式杂谈

OpenCV计算机视觉：探索图片处理的多种操作OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它提供了大量的图像和视频处理功能。在本文中，我们将通过Python语言和OpenCV库来探索对图片进行的各种操作，包括读取、显示、转换颜色空间、图像滤波、边缘检测、图像变换等。

图像处理-掩码在图像处理中，掩码（Mask）是一种特殊的图像，用于指定对原始图像进行操作的区域。掩码通常是二值图像（即图像上的每个像素只有两个可能的值，通常是0和255，分别代表黑色和白色），但也可以是灰度图像或多通道图像，尽管二值掩码最为常见。

OpenCv(一)计算机视觉（Computer Vision）和机器视觉（Machine Vision）是两个密切相关但又有区别的领域。两者在应用、技术和目标上都有所不同。

MATLAB图像处理MATLAB，作为美国MathWorks公司出品的商业数学软件，以其强大的矩阵运算能力和丰富的函数库，在图像处理领域得到了广泛的应用。MATLAB不仅提供了基础的图像处理功能，还通过图像处理工具箱（Image Processing Toolbox）等高级工具，为用户提供了从图像读取、显示、转换到高级分析和处理的一系列功能。以下将详细介绍MATLAB在图像处理方面的应用。

基于Sparse Optical Flow 的Homography estimation

OpenCV第八章——腐蚀与膨胀什么是腐蚀操作：在OpenCV中，腐蚀操作是一种形态学处理技术，用于图像的前景区域（通常是白色区域）进行缩小处理。它的基本思想是通过结构元素（也称为内核）来“侵蚀”图像中的前景对象，使得前景区域变小，从而去除小的噪声或细节，或者填补图像中的小孔洞。