C#
文章平均质量分 61
FL1623863129
计算机应用软件开发,长期致力于研究图像算法,人工智能算法,边缘部署,算法落地研究
展开
-
[C#]OpenCvSharp使用帧差法或者三帧差法检测移动物体
当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像亮度差的绝对值,判断它是否大于阈值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。最简单的帧差法就是二帧差分法,将视频流中的前后两帧图像转换为灰度图像,再经过高斯模糊消除噪声干扰,然后将两帧图像进行相减操作得到两帧图像之间的差异区域,再对差异图像进行二值分割把差异区域作为前景、不变区域作为背景,并且进行开运算操作来消除一些微小干扰。这样,就得到了两帧图像中明显不同的区域,也就是运动的目标物体。原创 2024-04-05 15:14:45 · 601 阅读 · 1 评论 -
[C#]解决C#读取环境变量导致%变量会自动替换成绝对路径问题
1.用 RegistryValueOptions.DoNotExpandEnvironmentNames。原创 2024-04-05 07:14:45 · 335 阅读 · 0 评论 -
[C#]OpenCvSharp实现直方图均衡化全局直方图局部直方图自适应直方图
直方图均衡化是一种简单而有效的图像处理技术,它旨在改善图像的视觉效果,使图像变得更加清晰和对比度更高。通过这种方法,图像的亮度分布变得更加均衡,从而增强了图像的对比度,尤其是当图像的有用数据的对比度较为接近时。直方图均衡化有两种主要类型:全局均衡化和局部均衡化。值得注意的是,直方图均衡化虽然可以增强图像的对比度,但也可能增加背景杂讯的对比度并降低有用信号的对比度。总的来说,直方图均衡化是一种强大而灵活的图像处理工具,通过调整图像的亮度分布来优化视觉效果,为图像分析和理解提供了有力的支持。原创 2024-04-04 11:32:42 · 449 阅读 · 1 评论 -
[C#]OpenCvSharp使用HoughCircles霍夫圆检测算法找出圆位置并计数
检测的图像时9枚钱币,分别使用了阈值(大津法和三角法)、均值偏移滤波以及未处理图像。实验的结果是只要调整param1和param2两个参数,上述方法都能准确的识别图像中的圆形。与圆最贴切的是大津法阈值。使用该方法同时需要使用cv2.THRESHOLD_TRUNC。cv2提供了一种圆检测的方法:HoughCircles。该函数的返回结果与参数设置有很大的关系。原创 2024-04-04 10:31:49 · 687 阅读 · 0 评论 -
[C#]OpenCvSharp利用MatchTemplate实现多目标匹配
C# opencvsharp多目标模板匹配算法演示代码_哔哩哔哩_bilibili。【演示源码下载地址】原创 2024-04-04 10:09:02 · 738 阅读 · 1 评论 -
[C#]OpenCvSharp改变图像的对比度和亮度
如计算85*0.7+0.0=59.499999999999993D, SaturateCast.ToByte的结果为59,而ConvertTo的结果为60。SaturateCast.ToByte:饱和操作,当255时,返回255,其它返回原值。其中,i和j表示像素位于 第i行 和 第j列(左上角为第0行、第0列)把f(x)看成源图像像素,把g(x)看成输出图像像素。: g(i,j)=α⋅f(i,j)+β 转化。)和偏置(bias),分别控制对比度和亮度。用α(>0)和β一般称作增益(原创 2024-04-04 08:08:48 · 518 阅读 · 0 评论 -
[C#]winform使用OpenCvSharp实现透视变换功能支持自定义选位置和删除位置
OpenCvSharp 是一个.NET环境下对OpenCV原生库的封装,它提供了大量的计算机视觉和图像处理的功能。要使用OpenCvSharp实现透视变换(Perspective Transformation),你首先需要理解透视变换的原理和它在图像处理中的应用。同时,OpenCvSharp的使用还需要一些额外的配置和依赖项的安装,这些都需要根据你的开发环境来进行相应的设置。透视变换是图像处理中的一种技术,它允许我们根据一组源点和目标点的对应关系,将图像从一个视角转换到另一个视角。【透视变换基本原理】原创 2024-04-03 09:22:08 · 878 阅读 · 0 评论 -
[C#]使用OpencvSharp去除面积较小的连通域
但是没有对应opencvsharp实现同意算法,为了照顾懂C#编程同学们,因此将 去除面积较小的连通域算法转成C#代码。矩阵作为标签图像,用于记录每个像素点的检验状态(0:未检查;3:检查合格或无需检查)。使用两层嵌套循环遍历输入图像的所有像素点。对于不需要移除的像素点(即背景或前景),将其标签设为3,表示已检查且合格。的函数,其功能是从给定的二值图像中移除符合条件的小连通区域。中翻转颜色(即将白变黑或黑变白),标签为3的像素点保持原色不变。变量记录移除的连通区域数量,创建与输入图像相同大小的。原创 2024-04-03 06:53:29 · 1414 阅读 · 0 评论 -
[C#]winformYOLO区域检测任意形状区域绘制射线算法实现
【简单介绍】Winform OpenCVSharp YOLO区域入侵检测与任意形状区域射线绘制算法实现在现代安全监控系统中,区域入侵检测是一项至关重要的功能。通过使用Winform结合OpenCVSharp库,并结合YOLO(You Only Look Once)算法,我们可以实现高效且精确的区域入侵检测。同时,为了更直观地展示入侵情况,我们实现了任意形状区域的射线绘制算法。该算法可以根据用户的需要,在监控画面上绘制任意形状的区域。这样,监控人员可以更加直观地了解入侵目标的位置和移动轨迹。【效果展示】【实现原创 2024-03-21 17:49:49 · 669 阅读 · 0 评论 -
[C#]winform部署yolov9的onnx模型
C#实现全网yolov7目前最快winform目标检测,使用C#部署openvino-yolov5s模型,使用C++部署yolov8的onnx和bytetrack实现目标追踪,用opencv和onnxruntime去部署yolov5-7-8,使用C#调用libotrch-yolov5模型实现全网最快winform目标检测。这不仅展示了YOLO系列模型在实际应用中的价值,也体现了C# WinForms在构建用户界面和集成深度学习模型方面的优势。在当今的计算机视觉领域,目标检测是不可或缺的一项技术。原创 2024-03-04 10:31:05 · 1371 阅读 · 0 评论 -
[C#]winform基于C2PNet算法实现室内和室外图像去雾
为了解决这个问题,一个自然的想法是使用共识对比空间1中的负项(见图1中的下面板)作为更好的下限约束,它可以很容易地从模糊的输入和相应的修复中组装起来。雾霾作为一种常见的大气现象,明显降低了拍摄图像的质量,严重限制了后续的高级视觉任务的表现,如车辆再识别[7]和场景理解[35].与其他图像恢复任务求解器[12,13,39,43]的出现类似,需要有效的图像脱模糊技术来处理基于视觉的应用程序。提出的正则化采用了一种独特的基于共识的负化方法,并包含了一种独立的课程学习策略,该策略动态校准负的优先级和难度水平。原创 2024-03-03 11:15:40 · 1014 阅读 · 1 评论 -
[C#]winform使用引导APSF和梯度自适应卷积增强夜间雾图像的可见性算法实现夜间雾霾图像的可见度增强
随着城市化的快速发展,雾霾现象日益严重,尤其是在夜间,雾霾对图像的可见度造成了极大的影响。通过结合这两种技术,该论文的方法能够在去除雾霾的同时,保留图像的细节和色彩信息,从而显著提高夜间雾霾图像的可见度。实验结果表明,与传统的图像去雾方法相比,该方法在提升图像可见度、保留图像细节和色彩信息等方面都具有明显的优势。总之,该论文的研究为我们提供了一种新的思路和方法来增强夜间雾霾图像的可见度。随着技术的不断进步和应用场景的不断拓展,相信这一方法将在未来的图像处理领域中发挥更加重要的作用。原创 2024-02-21 20:09:10 · 565 阅读 · 0 评论 -
[C#]winform基于opencvsharp结合CSRNet算法实现低光图像增强黑暗图片变亮变清晰
Condition Network则用于生成条件向量,该向量会被用来对Base Network的中间结果进行缩放(scaling)和移位(shifting)操作,从而实现对图像特征的调制。总的来说,"Conditional Sequential Modulation for Efficient Global Image Retouching" 是一种高效、灵活且参数量少的图像修饰方法,对于改善图像质量和视觉效果具有重要的应用价值。另外,网络可以做到很小,轻量级,对大分辨率的图像处理的速度也会较快。原创 2024-02-20 21:39:54 · 582 阅读 · 0 评论 -
[C#]winform基于opencvsharp结合pairlie算法实现低光图像增强黑暗图片变亮变清晰
提出了PairLIE方法:本文提出了一种名为PairLIE的无监督方法,该方法通过学习自适应的先验知识来增强低光照图像。传统的低光照图像增强算法通常使用单张输入图像和手工设计的先验知识来调整光照,但由于单张图像的信息有限以及手工先验知识的适应性不足,这些方法通常无法恢复图像细节。其中,一种简单而有效的方法是利用成对的低光和高光图像进行训练,学习从低光图像到高光图像的映射关系。这种方法的核心在于构建一个能够捕捉图像光照变化的神经网络模型,通过对大量低光-高光图像对的训练,学习如何增强低光图像的光照和细节。原创 2024-02-20 18:27:39 · 1122 阅读 · 0 评论 -
[C#]winform制作圆形进度条好用的圆环圆形进度条控件和使用方法
圆形进度条控件制作是是否考验自己编程能力如果有开源免费的圆形进度条就很好了,偶然发现一个好用圆形进度条控件,支持圆形、圆环等指定圆形进度条创建,使用十分简单就跟C#里面trackbar使用方法一样,只是简单调用即可。下面是一个简单的例子,演示如何使用System.Drawing命名空间中的图形绘制功能来绘制一个基本的圆形进度条。// 直径等于宽度和高度的最小值减一。// 计算扫过的角度。// 半径等于直径的一半。// 绘制进度条背景。原创 2024-02-10 10:35:41 · 1592 阅读 · 0 评论 -
[C#]winform制作仪表盘好用的表盘控件和使用方法
在实际应用中,您可能需要更复杂的逻辑和图形来创建更逼真的仪表盘效果,这可能涉及到图形渲染、动画以及更多的控件和组件。仪表盘制作是是否考验自己编程能力如果有开源免费的仪表盘就很好了,偶然发现一个好用仪表盘控件,支持圆形等指定角度表盘创建,使用十分简单就跟C#里面trackbar使用方法一样,只是简单调用即可。在Form上添加必要的控件,如TrackBar用于表示进度条,Label用于显示文案或数字,以及PictureBox用于显示背景图片(如果仪表盘有背景)。// 更新标签的文本内容。// 创建进度条控件。原创 2024-02-08 15:04:24 · 2196 阅读 · 0 评论 -
[C#]IL指令
locals init (int32 V_0,int32 V_1,int32 V_2):定义变量并存入Call Stack中的Record Frame中。ldloc.:把Call Stack中的Record Frame中指定位置的值取出(copy)存入 Evaluation Stack中。stloc.:把Evaluation Stack中的值弹出赋值到Call Stack中的Record Frame中。stfld:相当于属性中的set,把变量存入类的字段中 ,在C# set属性 IL代码中出现。原创 2024-02-05 16:24:59 · 1045 阅读 · 0 评论 -
[C#][opencvsharp]winform实现自定义卷积核锐化和USM锐化
【锐化介绍】图像锐化(image sharpening)是补偿图像的轮廓,的边缘及灰度跳变的部分,使图像变得清晰,分为处理和处理两类。图像锐化是为了突出图像上的边缘、轮廓,或某些线性的特征。这种提高了地物边缘与周围之间的反差,因此也被称为。原创 2024-02-01 21:21:19 · 516 阅读 · 0 评论 -
[C#]不依赖第三方库实现同时可以选择文件或者文件夹到textbox
【代码】[C#]不依赖第三方库实现同时可以选择文件或者文件夹到texbox。原创 2024-02-01 17:47:57 · 373 阅读 · 0 评论 -
[C#][opencvsharp]opencvsharp sift和surf特征点匹配
SIFT(Scale-Invariant Feature Transform)特征检测关键特征:构建图像高斯金字塔,求取DOG,发现最大与最小值在每一级构建的高斯金字塔,每一层根据sigma的值不同,可以分为几个待级,最少有4个。SURF效果演示:SIFT效果演示: 【测试环境】vs2019, netframework4.7.2,opencvhsarp4.8.0【源码下载】原创 2024-02-01 14:13:54 · 551 阅读 · 0 评论 -
[opencvsharp]C#基于Fast算法实现角点检测
角点检测算法有很多,比如Harris角点检测、Shi-Tomas算法、sift算法、SURF算法、ORB算法、BRIEF算法、Fast算法等,今天我们使用C#的opencvsharp库实现Fast角点检测。果对每个像素点都进行上述的检测过程,那显然浪费许多时间,因此采用一种进行非特征点判 别的方法:首先对候选点的周围每个90度的点:1,9,5,13进行测试(先测1和9,如果他们符合阈值。.特征点的选取不是最优的,因为它的效果取决于与要解决的问题的角点的分布情况。.检测到的很多特征点都是相邻的。原创 2024-02-01 10:35:59 · 580 阅读 · 0 评论 -
[C#]对c#剪切板Clipboard占用的问题解决方法
自己调试通过,完全正常,然后就交给一位朋友做测试。但是他告诉我这个复制操作总是引起崩溃。并弹出“请求剪切板失败”的提示。于是在网上找了一下相关的内容,原来是不同进程之间争用剪切板引起的,剪切板是系统的公用资源,大多数软件都会提供对该区域访问的操作,就以迅雷为例:迅雷有一个监视剪切板的功能,具体实现不清楚,但肯定的是会经常去访问剪切板,如果迅雷正在使用剪切板时自己写的程序也要访问,那么就会产生一个ExternalException的异常,如图。来完成一个复制字符串的操作。原创 2024-01-31 13:07:19 · 576 阅读 · 0 评论 -
[C#]de4dot常用命令
解释:反混淆整个文件夹其中-r xxx : 指定输入文件夹,包括子文件夹,-ru : 跳过不支持的混淆工具混淆过的文件,-ro : 指定输出文件夹。命令:de4dot.exe file1 -f "D:\xxx.exe" -o "D:\output\xxx_cleaned.exe"命令:de4dot -r "D:\input" -ru -ro "D:\output"命令:de4dot.exe -f "D:\a\xxx.exe" -d。解释:-f : 指定.NET 程序集文件,-o : 指定输出 文件。原创 2024-01-27 21:16:42 · 549 阅读 · 0 评论 -
[C#]winform部署yolov5实例分割模型onnx
此外,它还可以处理多个物体在同一像素或同一位置的情况,这在一些场景中是非常有用的。总的来说,YOLOv5实例分割是一种非常有用的目标检测和分割算法,可以广泛应用于各种计算机视觉任务中。例如,它对于小物体的检测效果较差,因为小物体的特征比较微弱。在实例分割中,算法不仅要识别图像中的物体,还要对每个物体进行分割,以获得物体的精确边界。这需要对每个物体实例进行单独的预测,并使用像素级的掩膜来标记物体的边界。YOLOv5实例分割是目标检测算法的一个变种,主要用于识别和分割图像中的多个物体。原创 2024-01-26 17:51:11 · 655 阅读 · 0 评论 -
[C#]winform部署yolov7+CRNN实现车牌颜色识别车牌号检测识别
同时,Yolov7还采用了多尺度特征融合技术,将不同尺度的特征进行融合,增强了模型对不同大小目标的检测能力。它采用了深度学习技术,利用卷积神经网络对图像进行特征提取,并通过一系列的算法步骤,实现对目标物体的检测和识别。随着深度学习技术的不断发展,我们有理由相信,Yolov7将继续引领目标检测领域的发展,为人们的生活和工作带来更多的便利和价值。此外,Yolov7还引入了一些新的技术手段,如注意力机制和上下文信息编码等,进一步提高了检测的准确性和鲁棒性。原创 2024-01-25 15:43:30 · 722 阅读 · 1 评论 -
[C#]winform部署openvino调用padleocr模型
OpenVINO和PaddleOCR都是用于计算机视觉应用的工具,但它们有不同的特点和用途。OpenVINO是一个由Intel开发的开源工具套件,主要用于加速深度学习推理,而PaddleOCR是PaddlePaddle框架的一个组件,主要用于光学字符识别(OCR)。需要注意的是,由于OpenVINO和PaddleOCR都是深度学习工具,因此需要一定的计算机视觉和深度学习知识才能正确使用它们。此外,由于它们都是大型工具套件,因此安装和配置可能需要一些时间和经验。原创 2024-01-19 21:48:32 · 712 阅读 · 0 评论 -
[C#]winform部署openvino官方提供的人脸检测模型
OpenVINO的.NET版本是其与.NET生态系统的结合,提供了C#语言的API接口,让.NET开发者能更容易地集成和使用OpenVINO的功能。.NET开发者可以快速将OpenVINO的优化和加速能力集成到他们的应用中,提高图像和视频处理的速度。总的来说,OpenVINO.NET为.NET开发者提供了一个强大的工具,帮助他们快速构建高性能的机器学习和计算机视觉应用。通过优化神经网络和加速推理,OpenVINO.NET有助于推动AI技术在各种行业中的应用和发展。原创 2024-01-19 20:06:04 · 599 阅读 · 0 评论 -
[C#]winform部署yolov8图像分类的openvino格式的模型
综上所述,OpenVINO在部署模型方面具有高性能、多平台支持、多框架支持、简化部署、预训练模型、灵活性、丰富的文档和社区支持以及易用性等优点。这些优点使得OpenVINO成为了一个强大而可靠的深度学习模型部署工具。OpenVINO是一个针对Intel硬件优化的开源工具包,用于优化和部署深度学习模型。【openvino介绍】原创 2024-01-19 18:33:47 · 506 阅读 · 0 评论 -
[C#]C# winform部署yolov8目标检测的openvino模型
它支持包括TensorFlow、Caffe、PyTorch等在内的主流深度学习框架,并能够将这些框架的模型转换为OpenVINO的中间表示格式(Intermediate Representation,IR),从而实现对模型的优化和加速。总的来说,OpenVINO是一个功能强大、易用性强的工具套件,它为开发者提供了从模型训练到推理的一站式解决方案,使得深度学习技术能够更好地应用于实际场景中,提高计算机视觉和人工智能应用的性能和效率。【openvino介绍】原创 2024-01-19 14:40:36 · 752 阅读 · 0 评论 -
[C#]winform部署官方yolov8-rtdetr目标检测的onnx模型
它采用了新颖的检测和跟踪一体化设计,将目标检测和跟踪任务统一到一个模型中进行处理,减少了计算量和参数数量,从而提高了运行速度。此外,RTDETR还采用了可学习的锚框设计和轨迹推理机制,进一步提高了目标检测和跟踪的准确率。通过使用自注意力机制和多头注意力机制,RTDETR能够有效地捕捉图像中目标之间的上下文信息,从而提高了检测和跟踪的准确率。总之,RTDETR算法是一种基于Transformer结构的实时目标检测和跟踪算法,具有高准确率和实时性。原创 2024-01-17 09:23:45 · 674 阅读 · 0 评论 -
[C#]winform部署官方yolov8-obb旋转框检测的onnx模型
Yolov8-obb(You Only Look Once version 8 with Oriented Bounding Boxes)是一种先进的对象检测算法,它在传统的Yolov3和Yolov4基础上进行了优化,加入了OBB(Oriented Bounding Box)旋转框检测,能够更精确地检测并定位出目标物体的位置。在传统的目标检测算法中,通常使用的是固定方向的边界框(Bounding Box),它假设所有物体在图像中的位置都是相对于图像中心来计算的。原创 2024-01-16 19:19:06 · 973 阅读 · 0 评论 -
[C#]利用paddleocr进行表格识别
PaddleOCR表格识别能够处理各种复杂的表格,包括但不限于Excel、CSV和PDF表格,具有广泛的应用场景。总的来说,PaddleOCR表格识别是一种高效、准确、易用的表格识别工具,能够帮助用户快速地提取和处理各种表格中的信息。PaddleOCR表格识别的核心是深度学习模型,采用了先进的卷积神经网络和序列模型等技术,能够自动学习和提取表格中的文字、数字和结构信息。使用PaddleOCR表格识别非常方便,用户只需上传需要识别的表格文件,系统会自动进行预处理和识别,并输出识别的结果。【官方实现部分代码】原创 2024-01-13 15:26:46 · 1084 阅读 · 0 评论 -
[易语言]使用易语言部署yolov7-onnx模型
【官方框架地址】【算法介绍】YOLOv7是YOLO(You Only Look Once)系列目标检测算法的最新版本之一,其设计理念是在保持实时处理速度的同时,提高目标检测的准确性。YOLO算法因其高效的目标检测性能而广受欢迎,它可以在单次前向推断中对图像中的多个物体进行检测和分类。YOLOv7在其前身的基础上,通过引入新的架构和训练策略,进一步优化了模型的性能。原创 2024-01-12 12:57:36 · 952 阅读 · 0 评论 -
[C#]调用tesseact-ocr的traineddata模型进行ocr文字识别
【框架地址】【算法介绍】Tesseract OCR是一个开源的光学字符识别引擎,它可以将图像中的文字转换成可编辑和可搜索的文本格式。Tesseract由惠普实验室于1985年开始开发,并在2005年被Google收购后成为了开源项目。自那时起,它一直在不断的更新和改进,成为了世界上最流行的OCR引擎之一。原创 2024-01-11 12:47:06 · 1015 阅读 · 0 评论 -
[C#]使用Tesseract OCR的坑
你可以看到jianshu.com/p/5c4a0beb2cf3这个文章,这个博主也是留了个坑中坑,按他说必须是D:\mydata才对,但是我试了根本不行,必须是D:\mydata\tessdata才行。执行时一直提示“Tesseract.TesseractException:“Failed to initialise tesseract engine.. See https://github.com/charlesw/tesseract/wiki/Error-1 for details.”原创 2024-01-11 11:22:38 · 579 阅读 · 0 评论 -
[C#]使用winform部署PP-MattingV2人像分割onnx模型
它旨在提供更精准和高效的图像分割功能,特别是在处理图像中的细微部分,如头发或者毛发等半透明边缘细节时,PP-MattingV2展现出卓越的性能。总的来说,PP-MattingV2是PaddlePaddle生态中的一个重要工具,它将深度学习的强大能力带给了图像和视频抠图任务,大幅提高了抠图的质量和效率,适合在多种行业中部署和应用。由于PaddlePaddle框架的高性能计算能力,PP-MattingV2能够快速处理大规模的图像和视频数据,满足实时处理的需求。#### 支持多平台。原创 2024-01-10 13:25:53 · 838 阅读 · 0 评论 -
[C#]winform部署PaddleOCRV3推理模型
【官方框架地址】【算法介绍】PaddleOCR是由百度公司推出的一款开源光学字符识别(OCR)工具,它基于深度学习框架PaddlePaddle开发。这款工具提供了一整套端到端的文字检测和识别解决方案,非常适合用于各种类型的图像文本的识别任务。PaddleOCR关注于提供轻量级、灵活且高效的OCR能力,旨在帮助开发者和企业快速部署OCR功能,并支持多平台和多语言应用。原创 2024-01-10 09:52:47 · 832 阅读 · 0 评论 -
[C#]winform使用纯opencvsharp部署yolox-onnx模型
该算法在保持YOLO系列原有速度与精度优势的同时,引入了新的改进和创新点,使得在各种规模的数据集上都能取得卓越的性能。YOLOX通过引入anchor-free的机制,直接预测目标的中心点和宽高,从而减少了对先验知识的依赖,简化了算法结构。YOLOX还考虑了模型部署的需求,提供了模型剪枝和量化的方案,用以减少模型的大小和提高推理速度,使其更适合在移动或边缘计算设备上运行。YOLOX支持在不同尺寸的图片上进行训练,这意味着模型可以适应各种分辨率的输入,增强了模型的鲁棒性和适应性。### YOLOX的主要特点。原创 2024-01-10 09:13:32 · 1380 阅读 · 0 评论 -
[C#]winform部署yolov5-onnx模型
Yolov5在保留了前代模型(Yolov3)优点的同时,进一步优化了网络结构,提高了检测速度和准确率。相较于前代模型,Yolov5在训练过程中采用了许多优化策略,如数据增强、学习率衰减、知识蒸馏等,进一步提高了模型的性能。此外,Yolov5还支持多任务学习(Multi-task Learning),可以在同一模型中同时进行目标检测、实例分割和关键点检测等任务,提高了模型的泛化能力。未来,随着深度学习技术的不断发展,相信会有更多优秀的目标检测算法涌现出来,推动计算机视觉领域的技术进步。原创 2024-01-08 10:30:32 · 1013 阅读 · 0 评论 -
[C#]Onnxruntime部署Chinese CLIP实现以文搜图以文找图功能
为了提高模型的泛化能力,Chinese Clip算法还采用了诸如数据增强等技术,通过对原始数据进行各种变换来生成更多的训练数据。随着技术的不断进步和应用场景的不断拓展,我们期待Chinese Clip算法在未来能够取得更大的突破和进步。Chinese Clip算法的主要目标是解决中文文本的词边界确定问题,即确定每个字符是属于哪个词。因此,对于中文文本的词分割,需要深入理解语言的内在结构和语义信息。与传统的基于规则或简单统计模型的词分割方法相比,Chinese Clip算法具有更高的准确率和更低的错误率。原创 2024-01-07 15:12:38 · 1220 阅读 · 0 评论