- 本文介绍计算机视觉的开源库指南，基本是免费和开源的。包括：OpenCV 、scikit-image、imgaug、Augmentor、Albumentations。文章结构分为“目录版”和“简介版”。目录版OpenCV - 开源计算机视觉库scikit-image - 图像处理 SciKit（SciPy 工具箱）imgaug - 机器学习实验的图像增强Augmentor - Python 中... 本文介绍计算机视觉的开源库指南，基本是免费和开源的。包括：OpenCV 、scikit-image、imgaug、Augmentor、Albumentations。文章结构分为“目录版”和“简介版”。目录版OpenCV - 开源计算机视觉库scikit-image - 图像处理 SciKit（SciPy 工具箱）imgaug - 机器学习实验的图像增强Augmentor - Python 中...
- 二元Huffman编码的Python实现 二元Huffman编码的Python实现
- 该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。本篇文章主要讲解 OpenCV+Numpy 图像处理基础知识，包括读取像素和修改像素。希望您喜欢~ 该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。本篇文章主要讲解 OpenCV+Numpy 图像处理基础知识，包括读取像素和修改像素。希望您喜欢~
- 目标检测是计算机视觉项目中非常重要的一部分，而Yolo系列是常用的目标检测算法。目前使用较多的是Yolov3，Yolov4和Yolov5算法，是在Yolov3比较经典的one-stage网络结构的各个部分不断整合创新发展起来的。Yolov5的官方代码中，有Yolov5s、Yolov5m、Yolov5l、Yolov5x四个模型。本文将对Yolov5做一个介绍，并在ModelArts平台上实践。 目标检测是计算机视觉项目中非常重要的一部分，而Yolo系列是常用的目标检测算法。目前使用较多的是Yolov3，Yolov4和Yolov5算法，是在Yolov3比较经典的one-stage网络结构的各个部分不断整合创新发展起来的。Yolov5的官方代码中，有Yolov5s、Yolov5m、Yolov5l、Yolov5x四个模型。本文将对Yolov5做一个介绍，并在ModelArts平台上实践。
- 随着数字时代的快速发展，人们对成像系统的图像质量要求也越来越高，但由于其场景不可控的特殊性，画面质量往往很难达到要求，尤其是在雾天、阴雨天、夜晚等光照条件较差的低照度条件下所拍摄的影像，可能出现对比度很低，图像细节严重丢失等问题，特别是在夜间，可视性很难令人满意，从很大程度上限制了下游应用。本文针对光照条件较差条件下拍摄的图像，如夜间图像，微光图像等，选取合适方案，提高图像的视觉质量。 随着数字时代的快速发展，人们对成像系统的图像质量要求也越来越高，但由于其场景不可控的特殊性，画面质量往往很难达到要求，尤其是在雾天、阴雨天、夜晚等光照条件较差的低照度条件下所拍摄的影像，可能出现对比度很低，图像细节严重丢失等问题，特别是在夜间，可视性很难令人满意，从很大程度上限制了下游应用。本文针对光照条件较差条件下拍摄的图像，如夜间图像，微光图像等，选取合适方案，提高图像的视觉质量。
- 云开发---uniapp云开发云函数练习---整合百度ai图像识别SDK 云开发---uniapp云开发云函数练习---整合百度ai图像识别SDK
- 本篇是我学习计算机视觉入门时记录的数字图像笔记，个人感觉对初学CV的人十分友好。下面开始正文~计算机采用0/1编码的系统，数字图像也是利用0/1来记录信息，我们平常接触的图像都是8位数图像，包含0～255灰度，其中0，代表最黑，1，表示最白。图像分辨率指的是每英寸的像素数，简写为ppi，我们平常说一张图片大小的时候使用的就是图像分辨率。输出分辨率指的是设备输出图像时每英寸可产生的点数，简写为... 本篇是我学习计算机视觉入门时记录的数字图像笔记，个人感觉对初学CV的人十分友好。下面开始正文~计算机采用0/1编码的系统，数字图像也是利用0/1来记录信息，我们平常接触的图像都是8位数图像，包含0～255灰度，其中0，代表最黑，1，表示最白。图像分辨率指的是每英寸的像素数，简写为ppi，我们平常说一张图片大小的时候使用的就是图像分辨率。输出分辨率指的是设备输出图像时每英寸可产生的点数，简写为...
- 暗通道图像去雾图像去雾是计算机视觉中的一个常见任务，在自动驾驶等交通领域有着较为广泛的需求。目前，图像去雾主要采用图像重建生成对应的无雾图片，但传统方法依旧尤其独特的优势和借鉴意义。本文将介绍何凯明在CVPR2009提出的暗通道图像去雾方法。暗通道先验作者通过大量实验发现：在无雾自然环境中，除天空外，整幅RGB图像的某个通道的最低值总会接近于0。这是因为 阴影：如树叶和石头的阴影彩色物体：彩... 暗通道图像去雾图像去雾是计算机视觉中的一个常见任务，在自动驾驶等交通领域有着较为广泛的需求。目前，图像去雾主要采用图像重建生成对应的无雾图片，但传统方法依旧尤其独特的优势和借鉴意义。本文将介绍何凯明在CVPR2009提出的暗通道图像去雾方法。暗通道先验作者通过大量实验发现：在无雾自然环境中，除天空外，整幅RGB图像的某个通道的最低值总会接近于0。这是因为 阴影：如树叶和石头的阴影彩色物体：彩...
- 做 AI 研究就像造宇宙飞船，除了充足的燃料之外，强劲的引擎也是必不可少的。假如燃料不足，则飞船就无法进入预定轨道。而引擎不够强劲，飞船甚至不能升空。类比于 AI，深度学习模型就好像引擎，海量的训练数据就好像燃料，这两者对于 AI 而言同样缺一不可。这是大V吴恩达曾说过的一段话，突出了数据和模型对于AI研究的重要性。 做 AI 研究就像造宇宙飞船，除了充足的燃料之外，强劲的引擎也是必不可少的。假如燃料不足，则飞船就无法进入预定轨道。而引擎不够强劲，飞船甚至不能升空。类比于 AI，深度学习模型就好像引擎，海量的训练数据就好像燃料，这两者对于 AI 而言同样缺一不可。这是大V吴恩达曾说过的一段话，突出了数据和模型对于AI研究的重要性。
- 简介系统环境System:Win10_64IDE版本QtCreator:4.8.2Qt:5.12.2CMake:3.17.1OpenCv:4.4.0下载OpenCvOpenCv:OpenCv下载列表OpenCv_4.4.0:OpenCv4.4.0来自于某一个博主：OpenCv:国内索引列表OpenCv:OpenCv4.4.0官网链接就不贴了。OpenCv_Xontrib_4.4.0OpenC... 简介系统环境System:Win10_64IDE版本QtCreator:4.8.2Qt:5.12.2CMake:3.17.1OpenCv:4.4.0下载OpenCvOpenCv:OpenCv下载列表OpenCv_4.4.0:OpenCv4.4.0来自于某一个博主：OpenCv:国内索引列表OpenCv:OpenCv4.4.0官网链接就不贴了。OpenCv_Xontrib_4.4.0OpenC...
- 如题目，这篇专栏介绍YoLo的1代到3代的模型以及SSD。基础概念首先一个非常重要的概念，one-stage与two-stagetwo-stage：基于区域提名的目标检测，将检测问题划分为两个阶段，首先产生候选区域，然后对其分类和位置精修。错误率低、漏识别率低但速度慢，不符合实时检测要求，以Faster-RCNN系列为代表。one-stage：基于端到端学习的目标检测，不需要生成候选区域，直... 如题目，这篇专栏介绍YoLo的1代到3代的模型以及SSD。基础概念首先一个非常重要的概念，one-stage与two-stagetwo-stage：基于区域提名的目标检测，将检测问题划分为两个阶段，首先产生候选区域，然后对其分类和位置精修。错误率低、漏识别率低但速度慢，不符合实时检测要求，以Faster-RCNN系列为代表。one-stage：基于端到端学习的目标检测，不需要生成候选区域，直...
- 人脸检测技术在我们生活中经常被用到，人脸面部识别、年龄以及表情的识别都是以人脸为基础。接下来我分享一下最近整理的开源人脸检测工具，由于篇幅较长，所以打算将此作为一个专栏，希望能给AI实战营的小伙伴们提供帮助！目前常用的人脸检测工具有：OpenCV Haar级联分类器、MTCNN方式、dlib方式...（后续会继续补充），首先介绍一下OpenCV.....什么是OpenCV？OpenCV（Op... 人脸检测技术在我们生活中经常被用到，人脸面部识别、年龄以及表情的识别都是以人脸为基础。接下来我分享一下最近整理的开源人脸检测工具，由于篇幅较长，所以打算将此作为一个专栏，希望能给AI实战营的小伙伴们提供帮助！目前常用的人脸检测工具有：OpenCV Haar级联分类器、MTCNN方式、dlib方式...（后续会继续补充），首先介绍一下OpenCV.....什么是OpenCV？OpenCV（Op...
- 1．内容全面，紧跟最新技术发展 本书内容涵盖了深度学习的理论知识、数据获取与增强，以及深度学习在图像分类、分割和检测这三大基础研究领域中的发展、数据与模型的可视化、优化目标、模型压缩与部署等相关知识，基本上囊括了深度学习在图像开发中所必须要掌握的大部分基础知识。 2．深度与广度兼具 本书在讲解每个知识点时力求详尽，而且紧密结合了学术界与工业界相关技术的最新发展。 1．内容全面，紧跟最新技术发展 本书内容涵盖了深度学习的理论知识、数据获取与增强，以及深度学习在图像分类、分割和检测这三大基础研究领域中的发展、数据与模型的可视化、优化目标、模型压缩与部署等相关知识，基本上囊括了深度学习在图像开发中所必须要掌握的大部分基础知识。 2．深度与广度兼具 本书在讲解每个知识点时力求详尽，而且紧密结合了学术界与工业界相关技术的最新发展。
- 文章目录 一、darknet编译 1、下载源码 2、初步编译 3、系统及版本控制 4、更改Mak... 文章目录 一、darknet编译 1、下载源码 2、初步编译 3、系统及版本控制 4、更改Mak...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
回顾中
热门标签