计算机视觉

知舟不叙1 小时前
人工智能·opencv·计算机视觉
OpenCV的基础操作这里我们读取一张企鹅图片,运行结果如下,左图为原图,右图为灰度图
编程在手天下我有2 小时前
计算机视觉
计算机视觉(CV)技术的优势和挑战计算机视觉(CV)技术是人工智能领域中的一个重要分支,它主要通过让机器学会“看”和“理解”图像或视频来模拟人类视觉系统。以下是计算机视觉技术的一些优势和挑战:
AI绘画月月4 小时前
图像处理·人工智能·计算机视觉·ai作画·stable diffusion·midjourney·sd
AI绘画 | Stable Diffusion 图片背景完美替换今天分享 Stable Diffusion 图片背景完美替换 功能,通过 Stable Diffusion 图生图重绘蒙版进行背景图的二次重绘。
xcLeigh7 小时前
人工智能·python·opencv·计算机视觉
计算机视觉入门:从像素到理解的旅程计算机视觉入门:从像素到理解的旅程,计算机视觉是人工智能领域的核心方向之一,旨在让计算机具备理解和解释视觉信息的能力。本文以系统化的知识框架,结合 Python 代码与经典案例,带您从像素级操作逐步掌握计算机视觉核心技术。涵盖图像处理、特征工程、传统机器学习到深度学习模型,助您构建从基础到进阶的完整能力体系。
HABuo19 小时前
人工智能·深度学习·yolo·目标检测·计算机视觉
【YOLOv8】YOLOv8改进系列(11)----替换主干网络之MobileNetV4主页:HABUO🍁主页:HABUO🍁YOLOv8入门+改进专栏🍁🍁如果再也不能见到你,祝你早安,午安,晚安🍁
枉费红笺21 小时前
人工智能·目标检测·计算机视觉
目标检测的训练策略在目标检测竞赛中,训练策略的优化是提高模型性能的关键。常用的训练策略包括数据预处理、数据增强、超参数调节、损失函数设计、正负样本采样、模型初始化和训练技巧等。以下是一些常见的训练策略:
枉费红笺1 天前
人工智能·目标检测·计算机视觉
目标检测竞赛训练策略解析与拓展这篇文章全面且系统地阐述了目标检测竞赛中常用的训练策略,为提升模型性能提供了多维度的指导,具有很高的实用价值。具体分析如下:
闭月之泪舞1 天前
人工智能·opencv·计算机视觉
OpenCv(三)——图像平滑处理目录图像平滑处理(1)椒盐噪声生成函数(2)均值滤波(3)方框滤波(4)高斯滤波(5)中值滤波生成噪声的方法有很多种,这里只提供一种思路。
s1ckrain1 天前
论文阅读·人工智能·计算机视觉
【论文阅读】VideoMerge: Towards Training-free Long Video Generation长视频生成的挑战计算与数据成本高:扩散模型通过迭代去噪生成高质量视频,但视频领域的复杂性导致训练需要大量数据和算力。
硅谷秋水1 天前
人工智能·深度学习·计算机视觉·语言模型·机器人
DataPlatter:利用最少成本数据提升机器人操控的泛化能力25年3月来自中科院计算所的论文“DataPlatter: Boosting Robotic Manipulation Generalization with Minimal Costly Data”。
Blossom.1182 天前
人工智能·科技·深度学习·神经网络·机器学习·计算机视觉·量子计算
量子计算:未来计算技术的革命性突破在当今科技飞速发展的时代,量子计算正逐渐从理论走向实践,成为计算技术领域最具潜力的革命性突破之一。与传统计算机基于二进制的计算方式不同,量子计算利用量子比特(qubit)的叠加和纠缠特性,能够在处理复杂问题时展现出巨大的优势。本文将深入探讨量子计算的基本原理、当前进展以及未来可能带来的变革。 一、量子计算的基本原理 (一)量子比特与叠加态 传统计算机使用二进制位(bit)作为信息的基本单位,每个位只能处于 0 或 1 的状态。而量子计算的核心是量子比特(qubit),它基于量子力学的叠加原理,可以同时处于
Wnq100722 天前
运维·计算机视觉·智能硬件·ai创业·deepseek
DEEPSEEK创业项目推荐:1、DEEPSEEK与GPS结合,随着GPS坐标的移动,用语音自动播报周边景点、历史、餐馆等信息2、DEEPSEEK与摄像头结合,跟随镜头视频内容的变化,为盲人提供语音路况播报
程序员JerrySUN2 天前
人工智能·目标检测·计算机视觉
走进 detect.tflite:树莓派目标检测背后的核心模型详解很多朋友在用树莓派做目标检测项目时,会下载并使用一个名叫 detect.tflite 的模型文件。我们知道它能识别物体、框出目标,但可能还不太清楚:
xc10112 天前
人工智能·opencv·计算机视觉
树莓派5从零开发至脱机脚本运行教程——6.实战篇各位小伙伴,大家好。欢迎来到本章学习内容的第六节,实战篇。在上一小节中,我们已经把要使用到的模块进行模块测试,都没有问题,所以本小节我们直接奉上代码,不过代码并不是最终版本的代码(往各位小伙伴理解),因为该教程只是想让小伙伴们掌握开发流程,不过相信小伙伴们在此基础上修改,也可以到达最好的效果,希望对各位小伙伴有所帮助。本人学识较浅,如有讲的不对的地方,还请各位批评指正,谢谢。
www_pp_2 天前
人工智能·opencv·计算机视觉
# 基于 OpenCV 的选择题自动批改系统实现在教育领域,选择题的批改工作通常较为繁琐且重复性高。为了提高批改效率,我们可以利用计算机视觉技术,通过 OpenCV 实现选择题的自动批改。本文将详细介绍如何使用 Python 和 OpenCV 实现一个简单的选择题自动批改系统。
梦姐的编程日志2 天前
图像处理·人工智能·深度学习·算法·计算机视觉
从研究动机视角对无监督图像去雾论文的分类1.1 论文《DEHAZE-GLCGAN: UNPAIRED SINGLE IMAGE DEHAZING VIA ADVERSARIAL TRAINING》- 2020年
不吃香菜?2 天前
人工智能·opencv·计算机视觉
opencv图像处理之指纹验证在当今数字化时代,生物识别技术作为一种安全、便捷的身份验证方式,正广泛应用于各个领域。指纹识别作为生物识别技术中的佼佼者,因其独特性和稳定性,成为了众多应用场景的首选。今天,我们就来深入探讨如何利用 OpenCV 库实现一个简单的指纹识别系统,并详细解读相关代码。
郝YH是人间理想2 天前
开发语言·图像处理·人工智能·python·opencv·计算机视觉
OpenCV基础——轮廓检测、模板匹配、图像均衡化接上期继续归纳:OpenCV基础——梯度计算、边缘检测、图像金字塔-CSDN博客从边界中找出整体的、连在一起的轮廓~
云梦之上2 天前
pytorch·python·计算机视觉·ai作画·prompt
视觉风格提示词:Visual Style Prompting with Swapping Self-Attention(风格迁移)本文的工作是做风格迁移的: 本文证明了在风格迁移时,与其他使用交叉注意块的方法相比,使用自我注意块是一种更好的策略。 在不断发展的文本到图像生成领域,扩散模型已成为内容创建的强大工具。 尽管现有的模型能力非凡,但在实现风格一致的可控生成方面仍面临挑战,需要进行高成本的微调,或者由于内容泄漏而经常无法等效地传输视觉元素。 为了应对这些挑战,我们提出了一种新颖的方法–视觉风格提示,以生成各种图像,同时保持特定的风格元素和细微差别。 在去噪过程中,我们保留原始特征的查询,同时在后期的自我关注层中,将关键字和值与