- 博客(5)
- 收藏
- 关注
RSS订阅原创 基于PySide2与Transformer的低光图像增强系统(1)
PySide2和PyQt5都是Python对Qt5框架的绑定，但：PySide2：使用更接近Qt原生的实现PyQt5：有自己的扩展实现最重要的一点：大部分API相同，但有些小差异，比如如PyQt5有pyqtSignal而PySide2有Signal。
2025-07-08 16:10:28
706
原创 超详细！pyqt5+yolo钢材缺陷检测系统的制作全流程~（可用于毕设或竞赛）
本文介绍了一个基于YOLOv5的钢材表面缺陷检测系统开发过程。系统采用东北大学钢材检测数据集NEU-DET进行训练，对比测试显示YOLOv5在该任务上准确率和速度优于新版本YOLO。项目实现了完整的检测流程：1) 数据预处理与模型训练；2) 开发了封装的YOLOv5检测类；3) 使用PyQt5构建了包含登录界面、实时检测、数据分析等功能的GUI系统。系统支持图像/视频/摄像头输入，检测结果可视化展示，并具备检测记录存储、数据分析和导出功能。开发过程中解决了模型选
2025-06-25 16:25:06
618
原创 论文阅读笔记--Unsupervised Night Image Enhancement无监督夜间图像增强：当层分解遇上光效抑制
在弱光图像增强中，也可以引入注意力机制，让模型自动关注图像中需要增强的关键区域，如暗区、细节模糊区域等，从而更有效地分配计算资源，提升增强效果的针对性和质量。例如，对于暗区给予更多的权重进行亮度提升和细节恢复，而对于已经较亮或不需要增强的区域则进行适当的保持。1.将图像分解为光效层、阴影层和反射率层等不同的层，分别进行处理后再组合。例如，专门针对弱光下的噪声层、光照不均匀层等进行分离和针对性的抑制或增强，然后再重构图像，可能会得到更自然、细节更丰富的增强结果。
2024-12-30 21:00:53
451
1
原创 论文阅读笔记--MambaIR: A Simple Baseline for Image Restoration with State-Space Model
它通常会对特征图进行全局平均池化操作，将每个通道的二维空间信息压缩为一个全局特征描述符，从而获取该通道的整体信息。：传统方法在处理长距离依赖关系时存在局限性，而本文利用状态空间模型（SSM）来捕捉长距离依赖，特别是通过 2D - SSM 从多个方向扫描二维图像特征，为解决长距离依赖问题提供了新的视角和方法。这启示我们在其他需要处理长距离依赖的任务中，如视频分析、时间序列预测等，可以借鉴这种基于状态空间方程的建模方式，打破传统方法的局限，更有效地挖掘数据中的长距离依赖信息。
2024-12-27 17:21:37
1596
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人