cv

【目标检测】metrice_curve和loss_curve对比图可视化代码如下：可视化结果展示

【图像处理基石】图像压缩有哪些经典算法？图像压缩是减少图像数据量的技术，主要分为无损压缩（不丢失信息）和有损压缩（允许一定信息损失以换取更高压缩率）。以下是几种经典算法及其Python实现：

【图像处理基石】图像处理中的边缘检测算法及应用场景边缘检测是图像处理中的关键技术，用于识别图像中亮度变化剧烈的区域，这些区域通常对应物体的边界。以下是几种经典的边缘检测算法及其应用场景：

【图像处理基石】图像预处理方面有哪些经典的算法？图像预处理是计算机视觉任务（如目标检测、图像分割、人脸识别）的基础步骤，核心目的是消除图像中的噪声、提升对比度、修正几何畸变等，为后续高阶处理提供高质量输入。以下先系统梳理经典算法，再通过Python实现2个高频应用算法（直方图均衡化、中值滤波）。

程序员之电工基础-CV程序解决目标检测兴趣爱好来了，决定研发一个产品。涉及到电工和机械等知识，所以记录一下相关的基础知识。今天的内容又回到了我的主营板块！！哈哈！！为后续整体集成做准备，先测试目标检测部分的能力。

【图像处理基石】什么是小波变换？在图像处理领域，小波变换是一种多分辨率分析工具，其核心思想是将图像分解为不同频率和方向的子带。与傅里叶变换相比，小波变换在时域和频域都有良好的局部化特性，能够有效捕捉图像中的局部特征，像边缘、纹理等。它通过让一个被称为"小波"的函数不断平移和缩放来实现对信号的分析。在处理图像时，二维离散小波变换（DWT）会把图像分解成四个子带：LL（低频近似）、LH（水平方向高频）、HL（垂直方向高频）和HH（对角方向高频）。其中，LL子带还能进一步分解，从而形成多层小波分解结构。

计算机视觉（Computer Vision, CV）目录一、核心任务二、常见应用场景三、主流技术框架与工具四、热门算法简述五、发展趋势六、计算机视觉学习路线图（从入门到实战）

【目标检测】检测网络中neck的核心作用1. neck最主要的作用就是特征融合，融合就是将具有不同大小感受野的特征图进行了耦合，从而增强了特征图的表达能力。

【目标检测】backbone究竟有何关键作用？backbone的核心在于能为检测提供若干种感受野大小和中心步长的组合，以满足对不同尺度和类别的目标检测。

Python实现自动物体识别---基于深度学习的AI应用实战在AI和CV领域，自动物体识别是一个非常热门且实用的任务，通过深度学习，我们可以让计算机自动识别图片或视频中的各种物体，比如人、车、动物等。现在我将带你一步步用Python和PyTorch实现一个简单的自动物体识别系统，助你快速上手AI项目实战，赶紧行动起来吧。。。😎

计算机视觉（CV）技术的优势和挑战（本片为InsCode）计算机视觉（CV）技术是一种利用计算机和算法来模拟人类视觉实现图像和视频处理的技术。它在各个领域都有着广泛的应用，具有许多优势和挑战。

吃鱼不卡次

视觉大模型专栏导航关于视觉大模型专栏，暂时还没有比较明确的更新计划，最近会在本专栏上更新关于Sam模型的基本原理，包括Image Encoder、Prompt Encoder及Mask Decoder等模块的实现；还有记录下如何利用Sam代码跑通一个demo。

github发布个人中英文简历网站CaoYongshengcys.github.io在GitHub上创建个人主页（也称为GitHub Pages）是一个展示个人项目、技能和经历的好方法。以下是详细步骤：

使用OpenCV和MediaPipe库——增强现实特效（在手腕添加虚拟手表）目录代码实现思路整体代码配套资源说明关键实现细节效果优化效果展示初始化：打开摄像头并开始捕捉视频流：姿势检测：

Chatopera 研发团队

使用 AlexNet 实现图片分类 | PyTorch 深度学习实战前一篇文章，CNN 卷积神经网络处理图片任务 | PyTorch 深度学习实战本系列文章 GitHub Repo: https://github.com/hailiang-wang/pytorch-get-started

深度求索（DeepSeek）的AI革命：NLP、CV与智能应用的技术跃迁Deepseek官网：DeepSeek近年来，人工智能技术以指数级速度重塑全球产业格局。在这场技术革命中，深度求索（DeepSeek）凭借其前沿的算法研究、高效的工程化能力以及对垂直场景的深度理解，逐渐成为AI领域的核心参与者之一。本文将从自然语言处理（NLP）、计算机视觉（CV）两大核心技术领域切入，结合智能客服、自动驾驶、医疗影像分析等场景，解析DeepSeek的技术突破及其对行业的深远影响。

OpenCV学习——图像融合

OpenCV(python)从入门到精通——运算操作

Vision - 开源视觉分割算法框架 Grounded SAM2 配置与推理教程 (1)欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/143388189

VQGAN（2021-06：Taming Transformers for High-Resolution Image Synthesis）论文：Taming Transformers for High-Resolution Image Synthesis