图像识别

人月神话Lee

【图像处理】卷积原理与卷积核——图像处理的核心引擎模糊、锐化、边缘检测、浮雕…… 这些看起来完全不同的效果，底层都是同一个操作：卷积。理解了卷积，你就掌握了图像处理最核心的工具。

小郭的笔记

通过vue+js实现在网页端将像素画进行像素块级解析本文档面向有图像技术背景的读者，包含算法名称和详细技术细节。图片通过 FileReader.readAsDataURL() 读取为 Data URL，加载到 Image 对象后绘制到离屏 Canvas。通过 CanvasRenderingContext2D.getImageData() 获取 RGBA 像素数组。

人月神话Lee

【图像处理】饱和度——颜色的浓淡与灰度化饱和度为 0，图像变成灰色。饱和度为 1，颜色恢复原样。看似简单的一个滑块，背后是颜色空间的混合运算—— 而"直接灰度化"并不总是最好的选择。

人月神话Lee

【图像处理】二值化与阈值——从灰度到黑白的决策二值化是图像处理中最"武断"的操作：每个像素只有两种命运——要么全黑，要么全白。但正是这种武断，让机器能够"读懂"文字、识别形状。

人月神话Lee

【图像处理】亮度与对比度——图像的线性变换亮度和对比度是最基础的图像调整。看似简单，背后涉及线性变换、锚点、数值溢出…… 把这两个搞透彻，整个图像变换的思维框架就建立起来了。

人月神话Lee

【图像处理】颜色科学与灰度化——人眼看到的和数字记录的不一样你有没有想过：为什么把彩色照片转成黑白，不能直接用 (R + G + B) / 3？答案藏在人眼的生理构造里。

weixin_40809967

医疗 OCR 识别 API 怎么选？（报告单 / 发票 / 检测单）导语：2026年，医疗机构每天处理上千张检验报告、收费发票和检查结果——全部依赖人工录入，一张住院发票5分钟，错漏率超过2%。OCR来了，但市面上通用识别挑花眼，只有真正理解医疗场景结构化的API，才能把检查结论、费用明细如实变成可入库的JSON。本文不讲广告，给你一套从“单据类型”出发的选型实战框架 + 多语言代码示例。

weixin_40809967

身份证OCR识别API接入实战：6种自动化脚本3分钟搞定（含天诺/按键精灵/易语言/C#示例）正反面全字段结构化识别 + 智能矫正 + 翻拍检测 + 头像返回，识别准率99.9%+在电商系统、RPA机器人、实名认证小程序等项目中，开发者用身份证OCR来加速信息录入的频率越来越高。当你给自动化脚本（比如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）赋予“看懂身份证”的能力后，一个原本需要几秒人工输入的流程，可以直接压缩到两三秒内完成——体验和效率的提升相当明显。

weixin_40809967

身份证OCR识别中的“隐形防线”：复印件/翻拍检测如何拦截99%的虚假注册？（附多语言代码）导语：在金融开户、网约车司机认证、电商平台商家入驻、政务服务等场景中，身份证的真实性核验是风控的第一道关卡。然而，传统的OCR识别更多关注“文字对不对”，却忽略了“这张身份证是不是真的实体证件”。石榴智能身份证OCR系统在业界领先的识别能力之上，自研了复印件检测、翻拍检测、图片完整度判断三大引擎，将虚假注册拦截率提升至99%以上。本文从安全风控视角深度拆解身份证OCR的“隐形防线”，并提供Python/Java/PHP多语言接入示例。

星瞳科技OpenMV

国家级高新技术企业星瞳科技，定义嵌入式机器视觉行业新标杆星瞳科技获得国家级高新技术企业认定。该认定是对企事业单位在核心技术、研发投入、创新成果转化等多方面的全面审查和高度肯定。凭借在端侧 AI 与嵌入式视觉技术研发及产品化落地上的持续积累，星瞳科技顺利通过严格评审，获得了这一含金量极高的认可。

石榴树下的七彩鱼

OCR API价格对比2026：身份证/发票/医疗票据识别哪家性价比最高？含Python对接+成本公式做企业级OCR项目选型时，最让人头疼的不是技术接入，而是算不清到底要花多少钱。本文用实测对比表 + 独家成本测算代码，帮你一次性算清身份证/发票/医疗票据识别的真实成本，并给出高性价比的API选型建议。

手写数字识别零基础实战：基于PyTorch的CNN完整拆解最近在Kaggle上跑了一个经典的MNIST手写数字识别项目，用PyTorch搭了一个朴素的CNN，效果还不错，准确率能到99.3%左右。

weixin_40809967

【电商实战】如何用OCR批量提取商品SKU与参数？自动识别+批量处理完整方案（附代码）在电商运营中，很多卖家都会遇到一个高频问题：👉 商品图片里包含 SKU、规格、参数信息 👉 需要手动录入到系统（ERP / 上架系统） 👉 数量一多，人工直接崩溃

OpenBayes贝式计算

一键移除复杂物体！Netflix VOID 让视频消除拥有「物理直觉」；告别乱码与解析难题，MDPBench 数据集为「真实复杂场景」文档解析而生公共资源速递11 个公共数据集：Stroke Risk 中风风险数据集ToolACE 复杂工具学习对话数据集

AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE 论文精读论文地址：ICLR 2021 2010 代码地址：https://github.com/google-research/vision_transformer AT SCALE 大规模 IMAGE RECOGNITION 图像识别 AN IMAGE IS WORTH 16X16 WORDS 一图抵 16×16 个词

民乐团扒谱机

【读论文】深度学习中的卷积算术指南 A guide to convolution arithmetic for deep learning本指南的作者感谢大卫·沃德-法利、纪尧姆·阿兰和贾拉尔·居尔切雷提供的宝贵反馈。同时，也感谢所有通过有益的评论、建设性的批评和代码贡献帮助完善本教程的读者，期待大家继续提出建议！

小小张说故事

Python图像处理利器：Pillow (PIL)入门指南想象一下,你在开发一个电商平台,需要处理成千上万张不同尺寸、格式的商品图片——有的来自用户的随意上传,有的需要批量添加水印,有的还要转换为适合移动端的格式。如果没有一个强大的图像处理工具,这就像试图用剪刀和胶水来完成一个现代印刷厂的工作,既低效又不可靠。

weixin_46846685

目标识别精度指标与IoU及置信度关系辨析目标识别，也称为目标检测，是计算机视觉领域中的一个分支，通常与图像分类、语义分割和实例分割并列。目标识别需要输出图片中包含的目标类别，以及目标所在的边界框，同时还可以输出目标类别的置信度。

weixin_37763484

【开源-细粒度图像识别】SCAN快慢思考无需微调标注即可分类AAAI2026开源细粒度图像识别工具《Endowing Vision-Language Models with System 2 Thinking for Fine-Grained Visual Recognition》，开源地址，论文介绍了一种不需要训练及标注，仅依靠大语言模型实现细粒度图像识别的方法，借鉴了人类的“快慢思考”流程，并实现了一种平衡快慢思考权重的动态方法，非常值得一读。

简简单单OnlineZuozuo

对话式AI的安全和治理模式简简单单 Online zuozuo ：本心、输入输出、结果编辑 | 简简单单 Online zuozuo 地址 | https://blog.csdn.net/qq_15071263