![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 83
LeeZhao@
AGI硅基生命重塑新世界秩序!!!
展开
-
【精华】ubuntu编译openpose
ubuntu20.04编译openpose原创 2023-09-26 12:13:16 · 692 阅读 · 0 评论 -
【精华】AIGC专栏-Text/Img/Video/audio
AIGC专栏原创 2023-09-08 09:45:12 · 495 阅读 · 0 评论 -
【精华】AIGC之Stable Diffusion专栏
AIGC之Stable Diffusion专栏原创 2023-08-23 20:54:47 · 1923 阅读 · 0 评论 -
【精华】YOLOv8最全指南
YOLOv8上手指南原创 2023-05-06 18:07:03 · 510 阅读 · 1 评论 -
【精华】多目标跟踪MOT
多目标跟踪技术(MOT),作为计算机视觉领域中基础的、重要的研究方向之一,可广泛应用在交通管理、安防监控、自动驾驶、机器人、体育赛事转播等领域,其已成为一大研究热点。原创 2022-07-21 14:00:11 · 6120 阅读 · 0 评论 -
【精华】YOLOv6训练自己的数据集
YOLOv6训练自己的数据集, 以Objects365为例原创 2022-07-12 19:11:01 · 3087 阅读 · 1 评论 -
【精华】主流的深度学习推理架构
主流的深度学习推理架构原创 2022-04-15 18:00:02 · 3390 阅读 · 0 评论 -
【精华】NanoDet Plus之ncnn部署(Linux)
本项目实现在linux平台使用ncnn部署NanoDet Plus模型的功能,内容亲测有效,可作为通用ncnn模型部署参考项目。原创 2022-03-03 17:15:56 · 6179 阅读 · 0 评论 -
【详解】多模态架构案例-爱奇艺短视频分类技术解析
短视频分类技术解析(多模态)原创 2022-02-23 15:55:06 · 6678 阅读 · 0 评论 -
【精华】YOLO fastest/YOLOX/YOLO fastestv2/Nanodet/Nanodet Plus模型对比
本博客对目前主流的移动端深度模型YOLO fastest、YOLOX、YOLO fastestv2、NanoDet、NanoDet Plus进行模型分析及性能对比,如有描述有误的地方请批评指正!原创 2022-02-21 17:31:19 · 5923 阅读 · 0 评论 -
【精华】统计分析VOC格式数据集标签文件_Python
统计分析VOC格式数据集标签文件_Python原创 2022-01-13 11:21:52 · 902 阅读 · 0 评论 -
【详解】神经网络梯度更新方法
目录神经网络参数更新方法1、SGD2、MBGD3、Momentum update4、Nestrevo Momentum update5、Adagrad6、AdaDelta7、RMSprop8、Adam神经网络参数更新方法1、SGDSGD(Stochastic Gradient Descent)就是最常见的随机梯度下降。向着参数的梯度的负方向改变(梯度方向是增加的方向)。x+=−learning_rate∗dxx += -learning\_rate*dxx+=−learning_r原创 2021-07-17 15:58:11 · 4714 阅读 · 0 评论 -
【详解】计算机视觉之目标分割
目标分割图像分割是目标检测更进阶的任务,目标检测只需要框出每个目标的包围盒,语义分割需要进一步判断图像中哪些像素属于哪个目标。但是,语义分割不区分属于相同类别的不同实例。如上图所示,当图像中有多个cube时,语义分割会将所有立方体整体的所有像素预测为“cube”这个类别。与此不同的是,实例分割需要区分出哪些像素属于第一个cube、哪些像素属于第二个cube……。1 定义在计算机视觉领域,图像分割(Object Segmentation)指的是将数字图像细分为多个图像子区域(像素的集合)的过程,并原创 2021-06-24 14:22:49 · 5186 阅读 · 0 评论 -
【详解】计算机视觉之目标检测
目标检测1 定义目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标,并确定它们的类别和位置。目标检测中能检测出来的物体取决于当前任务(数据集)需要检测的物体有哪些。假设我们的目标检测模型定位是检测动物(牛、羊、猪、狗、猫五种结果),那么模型对任何一张图片输出结果不会输出鸭子、书籍等其它类型结果。目标检测的位置信息一般由两种格式(以图片左上角为原点(0,0)):1、极坐标表示:(xmin, ymin, xmax, ymax)xmin,ymin:x,y坐标的最小值xm原创 2021-06-24 14:15:56 · 6500 阅读 · 0 评论 -
【详解】计算机视觉之图像分类
图像分类1 定义从给定的类别集合中为图像分配对应标签的任务2 常用数据集2.1 mnist数据集该数据集是手写数字0-9的集合,共有60k训练图像、10k测试图像、10个类别、图像大小28×28×1.我们可以通过tf.keras直接加载该数据集:from tensorflow.keras.datasets import mnist# 加载mnist数据集(train_images, train_labels), (test_images, test_labels) = mnist.load_原创 2021-06-24 14:04:10 · 3081 阅读 · 0 评论 -
【详解】计算机视觉算法导读篇
1 深度学习发展史起源:深度学习所需要的神经网络技术起源于20世纪50年代,叫做感知机。当时也通常使用单层感知机,尽管结构简单,但是能够解决复杂的问题。后来感知机被证明存在严重的问题,因为只能学习线性可分函数,连简单的异或(XOR)等线性不可分问题都无能为力,1969年Marvin Minsky写了一本叫做《Perceptrons》的书,他提出了著名的两个观点:1.单层感知机没用,我们需要多层感知机来解决复杂问题 2.没有有效的训练算法。发展:20世纪90年代,各种各样的浅层机器学习模型相继被提出,.原创 2021-06-24 13:57:23 · 2007 阅读 · 0 评论 -
【详解】OpenCV之计算机视觉(导论)
其中core、highgui、imgproc是最基础的模块,该课程主要是围绕这几个模块展开的,分别介绍如下:core模块实现了最核心的数据结构及其基本运算,如绘图函数、数组操作相关函数等。highgui模块实现了视频与图像的读取、显示、存储等接口。imgproc模块实现了图像处理的基础方法,包括图像滤波、图像的几何变换、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等。对于图像处理其他更高层次的方向及应用,OpenCV也有相关的模块实现features2d模块用于提取图.原创 2021-06-07 20:57:10 · 665 阅读 · 0 评论