计算机视觉

深度学习（11）：偏差与方差诊断、学习曲线在完成了线性回归、逻辑回归以及梯度下降的学习之后，我们已经能够训练一个模型。但一个更重要的问题随之而来：

LLM精进之路

频域+特征融合：深度学习的黄金组合，顶会顶刊的快速通道继频域分析在底层视觉任务中崭露头角后，空间-频域协同又迎来一波顶级成果爆发，SFAFNet、DuFal、MDAFNet等工作横空出世！这些方法为图像去模糊、医学影像重建、红外小目标检测等多个高精度领域提供了全新的双域范式，同时解决了传统CNN模型高频细节捕捉不力、单一域信息处理遭遇瓶颈的痛点。

SLAM中的非线性优-3D图优化之绝对位姿SE3约束四元数形式（十九）本节开始展示四元数用以推导绝对位姿雅克比，这也将是绝对位姿理论部分的最后一节，理论后必接实战篇，让我们进入四元数推导的世界吧

基于wr/c + h/c = 1的螺旋线矢量特性及应用分析在矢量分析、经典力学与高端工程领域，核心公式往往是解读复杂运动规律、突破技术瓶颈的关键。本文聚焦核心关系式 ωrc+hc=1\frac{\omega r}{c} + \frac{h}{c} = 1cωr+ch=1 （文中简称“归一化协调公式”），结合螺旋线位置矢量 r⃗(t)=rcos⁡ωt⋅i⃗+rsin⁡ωt⋅j⃗+ht⋅k⃗\vec{r}(t) = r\cos\omega t \cdot \vec{i} + r\sin\omega t \cdot \vec{j} + ht \cdot \vec{k}

我材不敲代码

基于 OpenCV-SIFT 特征匹配的指纹识别系统实战在计算机视觉领域，特征匹配是图像识别、目标检测、身份认证的核心技术之一。SIFT（尺度不变特征变换）作为经典的局部特征算法，具备尺度不变性、旋转不变性、光照鲁棒性等优势，非常适合指纹、人脸、商品标识等高精度识别场景。

Coovally AI模型快速验证

CVPR 2026 | SubspaceAD：无训练少样本异常检测，方法极其简洁，适合工业快速部署（附代码）少样本工业异常检测是一个实际痛点：产线上往往只有几张正常样品图片，却需要检出各种未知缺陷。现有方法为此设计了复杂的记忆库、提示学习、多阶段训练等流程，部署门槛高，品类切换成本大。

开开心心就好

电子教材下载工具,支持多链接批量下载软件介绍这次要说的这款工具叫“中小学智慧教育平台下载器”，之前推荐过它的旧版，这次带来的是新版本。它支持单个链接下载，也支持多个链接同时下载，操作很简单，把链接粘贴到软件空白处，点一下“下载”就行。

C# 基于OpenCv的视觉工作流-章41-模板匹配C# 基于OpenCv的视觉工作流-章41-模板匹配本章目标：一、匹配原理；二、模板创建；三、模板匹配；本文模板匹配仅取最佳匹配，即单目标匹配，下章介绍多目标匹配。模板匹配多用于目标定位，后续很多章节点，将采用模板匹配进行整体定位，在整体定位基础上再进行局部区域的定位、识别、判断。

云和数据.ChenGuang

chromadb为什么需要模拟数据运行你上面的代码，确实不会自动向量化！因为你手动传了 embeddings=[[1,2,3],...]， Chroma 就直接用你给的向量，不会再调用 embedding 模型。

听风吹等浪起

【SwinTransformer 全维度改进方案矩阵】—— 覆盖注意力、多尺度、通道/空间增强，适配CV全场景的工业级优化库在计算机视觉（CV）领域，Swin Transformer 凭借分层窗口注意力、平移窗口机制，突破了传统CNN的空间局部性限制，在图像分类、目标检测、语义分割等任务中展现出强大的特征建模能力。然而，单一架构难以适配所有场景的细粒度需求（如小目标识别、复杂背景分割、长距离依赖建模等）。为此，我们构建了**「SwinTransformer 全维度改进方案矩阵」——涵盖14+种针对性优化方向**，从注意力机制革新、多尺度特征聚合、通道/空间增强到轻量化高效建模，为不同CV任务（分类、检测、分割、姿态估计等）提供

OpenCV基础入门目录OpenCV简介核心特点应用场景OpenCV基础入门图像读取，显示与保存imread（）imshow（）

乐迪信息：AI防爆摄像机在智慧港口船舶监测中的技术优势AI防爆摄像机逐渐成为港口监测的重要工具，其在船舶监测中的技术优势不容小觑。本文将深入探讨AI防爆摄像机在智慧港口船舶监测中的多重技术优势，为港口安全和效率的提升提供新的思路和解决方案。

基于计算机视觉的智能餐饮热量监测与结算系统设计与实现开发设计了一个基于计算机视觉的智能餐饮热量监测与结算系统：随着健康饮食意识的提升及智慧食堂建设的推进，传统的人工配餐与结算模式在效率、营养数据透明度及用户体验方面面临挑战。本文提出并设计了一套基于深度计算机视觉技术的智能餐饮热量监测与结算系统。该系统摒弃了复杂的视觉测重方案，采用“视觉分类识别 + 标准化营养数据库 + 混合计费逻辑”的创新架构。通过YOLO目标检测算法实时识别餐盘中的菜品类别，结合预置的精细化营养数据库（涵盖72类意式及通用菜品），实现了对每100g热量、蛋白质、脂肪等核心营养指标的精准

计算机视觉——Opencv（人脸检测）在开始编码前，我们先理解人脸检测的核心逻辑，让学习更有方向。本项目基于 OpenCV 内置的Haar 特征分类器实现人脸检测，这是一种经典且高效的目标检测算法，专门针对人脸、眼睛、车辆等目标优化，具有速度快、轻量化、易部署的特点，非常适合入门学习。

SAM2（Segment Anything Model 2）开源的分割模型（权重开源，二次微调即可）SAM2是Meta AI在SAM（Segment Anything Model 1）基础上推出的第二代通用分割模型，核心目标是解决SAM1在动态场景、实时性、时序关联上的短板，尤其适配机器人视觉中“动态目标分割、边缘实时推理、交互式修正”等核心需求。

小高求学之路

计算机视觉、YOLO算法模型训练、无人机监测人员密集自动识别你需要一台带 NVIDIA 独立显卡的电脑（显存 8G 以上，游戏本 / 设计本都行）；如果没有，用 CPU 也能跑，但训练会很慢（不建议，最好找个带显卡的）。

结合代码读3DGS论文（10）——ICLR 2025 3DGS加速&压缩新工作Sort-Free 3DGS论文及代码解读写在前面：如果想了解更多关于3DGS的加速压缩新工作，可以关注笔者的Github仓库：Awesome-3DGS-Compress-Accelerate。

EI会议分享 | 2026年图像处理与模式识别国际会议（IC-IPPR 2026）【SPIE出版】【大会简介】2026年图像处理与模式识别国际会议（IC-IPPR 2026）由喀什大学、管理与技术大学（UMT）及新加坡机器人学会（RSS）提供技术支持。作为一项年度学术会议，IC-IPPR 致力于为图像处理、模式识别及相关领域的前沿成果展示与深度研讨搭建高质量的互动平台。会议不仅汇聚国内研究人员，也热忱欢迎来自世界各地的学者与专业人士，共同在此建立专业联系、探索职业发展机遇。IC-IPPR 将努力打造成为连接中国与世界各国学术合作与交流的重要桥梁。

【实战案例：基于特征匹配的指纹识别系统开发】角点检测：角点（Corner）是图像中在两个或多个方向上灰度值发生剧烈变化的点。这些点通常包含丰富的信息，适用于特征匹配、目标跟踪、三维重建等任务。

困死，根本不会

OpenCV视觉舵机控制系统：从坐标检测到串口控制完整实现目录1. 项目背景2. 系统架构3. 关键技术详解3.1 矩形检测3.2 激光点检测3.3 坐标到角度的映射