图像视觉第6页

征程 6 VP简介与单算子实操

1.如何理解VPVP，全称VisionProcess，指UCP中的视觉处理功能模块。Backends，指UCP框架中的可分配处理单元。

·2025-03-18 22:12

DCM4CHE图像显示

概述本文主要介绍dicom图像从拿到像素数据到显示到图像的基本过程，通过DCM4CHE获取dicom文件像素数据，通过默认窗宽窗位，显示到java的BufferedImage上，并将BufferedImage

啸鸢·2025-03-18 22:40

RAG 在多模态数据处理中的应用探索：结合图像与文本生成

目录引言多模态数据处理的挑战与需求数据异质性与融合难题多样化应用场景的需求RAG在图像与文本生成中的应用架构图像检索与文本生成协同跨模态特征融合与生成关键技术与实现细节图像特征提取与表示文本检索与语义理解跨模态生成模型训练应用案例分析智能设计辅助医疗影像报告生成结论引言随着信息技术的飞速发展

hy098543·2025-03-18 22:40

MM-RAIT：多模态检索增强生成（RAG）的认知革命

多模态检索增强生成（RAG）领域迎来了一项里程碑式的突破——MM-RAIT框架通过“评估-训练”双轮驱动，显著提升了主流视觉语言模型的RAG性能，增幅达27%至34%。

花生糖@·2025-03-18 20:58

基于生成对抗网络（GAN）的图像超分辨率实战：从SRGAN到ESRGAN

图像超分辨率（ImageSuper-Resolution）是一种通过算法将低分辨率图像转换为高分辨率图像的技术，广泛应用于医学影像、卫星图像和视频增强等领域。

Evaporator Core·2025-03-18 20:57

OpenCV-Python实战（1）——OpenCV简介与图像处理基础

OpenCV介绍Python安装OpenCV：对于Linux和Windows操作系统，首先需要在shell或cmd中运行以下命令安装NumPy：pipinstallnumpy。然后再安装OpenCV，可以选择仅安装主模块包：pipinstallopencv-python，或者安装完整包（包括主模块和附加模块）：pipinstallopencv-contrib-python。OpenCV主要模块：O

数字化转型2025·2025-03-18 19:17

美颜特效类sdk在智能硬件中的场景应用是怎样的？

基于人脸识别和图像渲染技术，为客户提供美颜贴纸、美妆、美体、美发、哈哈镜、手势识别等人像人体特效功能，广泛应用于视频直播、一对一社交、短视频、美颜相机、智能硬件等场景。

Face Beauty美颜SDK·2025-03-18 19:45

【工作记录】python使用总结

库5.panda库6.json库7.re正则8.ddddocr登录网站的时候，经常输入用户名和密码后会遇到验证码，ddddocr是一款强大的通用开源ocr识别库，具有高效、准确、易用的特点，广泛应用于图像处理和文字识别任务

星光不负赶路人！·2025-03-18 18:11

DeepSeek 3FS 与 JuiceFS：架构与特性比较

在AI业务中，企业需要处理大量的文本、图像、视频等非结构化数据，还需要应对数据量的爆炸式增长，分布式文件系统因此成为AI训练的关键存储技术。

·2025-03-18 18:07

OpenCV图像拼接（2）特征查找与图像匹配之基于仿射变换的图像匹配的一个类cv::detail::AffineBestOf2NearestMatcher

OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述cv::detail::AffineBestOf2NearestMatcher是OpenCV库中用于实现基于仿射变换的图像匹配的一个类

村北头的码农·2025-03-18 17:36

VLLM专题（三十五）—多模态数据处理

为了在vLLM中实现各种优化，例如分块预填充和前缀缓存，我们使用BaseMultiModalProcessor来提供占位符特征标记（例如）与多模态输入（例如原始输入图像）之间的对应关系，基于HF处理器的输出

AI专题精讲·2025-03-18 16:56

李开复：AI 2.0 时代的价值

人工智能，AI2.0，价值创造，伦理挑战，未来趋势1.背景介绍人工智能（AI）技术近年来发展迅速，从语音识别、图像识别到自然语言处理，AI已经渗透到我们生活的方方面面。

AI大模型应用之禅·2025-03-18 15:53

李开复：AI 2.0 时代的机遇

人工智能，深度学习，Transformer，大模型，通用人工智能，AI2.0，应用场景，未来趋势1.背景介绍人工智能（AI）技术近年来发展迅速，从语音识别、图像识别到自然语言处理等领域取得了突破性进展。

AGI大模型与大数据研究院·2025-03-18 15:52

YOLOv8 的简介及C#中如何简单应用YOLOv8

YOLOv8是YOLO（YouOnlyLookOnce）系列中的最新版本，是一种用于目标检测和图像分割的深度学习模型。YOLO模型以其快速和准确的目标检测性能而著称，广泛应用于实时应用程序中。

码上有潜·2025-03-18 14:46

OpenCV多分辨率模板匹配与容错优化实战指南

第一章：问题背景与挑战1.1传统模板匹配的局限性模板匹配（TemplateMatching）是计算机视觉中基础且广泛使用的技术，其核心思想是通过滑动窗口在目标图像中寻找与模板最相似的位置。

追寻向上·2025-03-18 12:24

AI API：快速集成智能化功能的开发利器

桂花饼·2025-03-18 11:16

turfijs合并相邻或者相交多边形

文章目录前言合并多边形一、安装turf二、加载高德三、绘制图形四、计算交点六、绘制图像七、效果前言合并多边形一、安装turfnpmi@turf/turf二、加载高德AMapLoader.load({key

库库的写代码·2025-03-18 11:46

【ArcGIS】从DEM中提取经纬度

老师给了我一幅DEM图像，由于后面的处理过程中需要该区域对应的SRTM1DEM数据，所以我必须先知道这幅DEM是哪个区域。由于没有其他的信息，我就不知道该怎么办了。

榴女士·2025-03-18 11:15

SciPy 安装指南

SciPy包含了用于优化、线性代数、积分、插值、信号和图像处理、特殊函数、统计分析、离散傅里叶变换等功能的模块。本文将详细介绍如何在您的系统上安装SciPy。

froginwe11·2025-03-18 10:43

OpenCV计算摄影学（23)艺术化风格化处理函数stylization()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述风格化的目的是生成不以照片写实为目标的多种多样数字图像效果。

村北头的码农·2025-03-18 09:29

SMT贴片机视频操作精要

同时，针对视觉对位校准、抛料率动态控制等痛点问题，提供可落地的解决方案。为强化实践参考价值，内容进一步拆解了PCB定位精度提升、钢网对位误差补偿、FEEDE

安德胜SMT贴片·2025-03-18 08:47

【新生必会】30个较难Python脚本，建议收藏。

目录21、数据库连接-SQLite22、图像处理-Pillow23、图形界面-Tkinter24、文本生成-Faker25、加密和解密-cryptography26、Sock

.Boss.·2025-03-18 08:15

LLaVA-Mini用一个视觉Token革新多模态大模型

SGG_CV·2025-03-18 05:18

人工智能技术篇*卷(三)

例如，在手写数字识别中，它可以从数字图像的像素数据中学习到特征模式，从而判断该数字是0-9中的哪一个；在房价预测中，根据房屋的面积、房间数量等特征预测房价。案例：以手写数字识别为例

code_stream·2025-03-18 04:46

答题卡图像识别需求分析、市场分析和技术实现

答题卡图像识别需求分析、市场分析和技术实现一、需求分析一、以接口的方式开发此需求：1：接收图片以上传的方式把图片发送到接口。2：识别图片接口接收到图片后，进行图像识别。

weixin_34037977·2025-03-18 04:11

图像分割基础：使用Python和scikit-image库

大家好，今天我们将一起探讨图像分割的基础知识，并使用Python编程语言以及scikit-image库来实现一个简单的图像分割示例。

0dayNu1L·2025-03-18 02:30

Python库 - skimage

skimage是scikit-image的缩写，是一个用于图像处理的Python库。提供了丰富的图像处理功能，包括图像滤波、边缘检测、形态学操作、特征提取、图像分割等。

司南锤·2025-03-18 02:58

scikit-image（Scikit-image 是用于图像处理的 Python 包，使用原生的 NumPy 数组作为图像对象）

skimage.measure.block_reduce（image，block_size）通过对局部块应用函数来下采样图像

Clark-dj·2025-03-18 02:58

基于树莓派的轻量级AI数字人开发全流程指南 ——从硬件选型到语音视觉交互实战

其核心在于整合语音识别、视觉感知、自然语言处理（NLP）和动态反馈四大关键功能。本文将以树莓派5开发板为核心，搭配AI加速硬件，结合开源框架，为大家详细阐述如何实现本地化轻量级数字人开发。

zhz5214·2025-03-18 02:56

探索DeepSeek：前端开发者不可错过的新一代AI技术实践指南

作为覆盖语言、代码、视觉的多模态技术矩阵，DeepSeek不仅实现了与ChatGPT相媲美的能力，还通过强化学习驱动的架构创新，解决了大模型落地中的成本与效率瓶颈。

formerlyai·2025-03-18 02:21

Blender学习方法与技巧

高效利用教程资源视频教程优先：视觉化学习更直观，推荐B站、YouTu

自动化专业爱好者·2025-03-18 01:16

pytorch的使用：卷积神经网络模块

1.读取数据分别构建训练集和测试集（验证集）DataLoader来迭代取数据使用transforms将数据转换为tensor格式#定义超参数input_size=28#图像的总尺寸28*28num_classes

樱花的浪漫·2025-03-18 00:11

深度学习中的注意力机制：解锁智能模型的新视角

注意力机制是一种受人类视觉注意力启发的技术，它允许模型在处理大量信息时，能够动态地聚

冰蓝蓝·2025-03-17 23:07

基于多向量检索器的多模态RAG实现：用于表格、文本和图像

原文地址：Multi-VectorRetrieverforRAGontables,text,andimages2023年10月20日概括跨不同数据类型（图像、文本、表格）的无缝问答是RAG追求的目标之一

lichunericli·2025-03-17 21:44

element-ui简介、安装和使用代码

它提供了丰富的组件，如按钮、表单、表格、菜单、对话框等，这些组件具有统一的视觉风格和交互设计，能够帮助开发者快速构建美观、易用的Web应用程序。

alankuo·2025-03-17 21:43

【sklearn 01】人工智能概述

深度学习目前在语音、图像等领域取得很好的效果

@金色海岸·2025-03-17 20:41

DeepBranchTracer：一种使用多特征学习进行曲线结构重建的通用方法

2024-02-02，由刘超、赵婷、郑能干一起提出了一种名为DeepBranchTracer的新型方法，是一种高效、通用的曲线结构重建方法，适用于多种2D和3D图像数据集。

·2025-03-17 20:20

差异中寻找共识：浅析中美欧AIGC服务商的标识义务

随着AI大模型生成逼真图像、音频与视频的能力日益增强，人类作品与AIGC之间的界限愈发模糊。如不加以管控，则会产生“真相侵蚀”（TruthDec

·2025-03-17 20:49

【人工智能基础2】Tramsformer架构、自然语言处理基础、计算机视觉总结

Transformer架构：编码器-解码器架构3.Transformer架构原理八、自然语言处理基础1.语言模型基本概念2.向量语义3.预训练语言模型的基本原理与方法4.DeepSeek基本原理九、计算机视觉七

roman_日积跬步-终至千里·2025-03-17 19:59

MV-EB435i立体相机对垃圾分类

最近在v社区发了一篇文章，懒得转移过来了链接：V社区-机器视觉技术交流社区-MV-EB435i立体相机对垃圾分类我觉得这篇文章对于刚入门深度学习想看点项目学点代码的刚刚好，因为我也是新手，嘻嘻嘻！

开哥kg·2025-03-17 18:54

python读取海康RGBD感知相机并解析图像数据

python读取海康RGBD感知相机情景：相机：MV-EB435i海康提供的C++SDK比较完善，但是python的比较粗糙，给的demo只能得到他自己定义的数据帧需求：基于海康提供的pythonSDK，进一步开发读取RGB和Depth图，并转换成后续任务需要的numpy数组形式相机分析：可以使用HiViewer先调试相机，确认相机读取RGBD没问题：下载地址这些参数可以跟着相机的指南挑一挑，调到

我认为可以！·2025-03-17 17:20

如何使用 Python 实现生成对抗网络

如何使用Python实现生成对抗网络生成对抗网络（GenerativeAdversarialNetwork，GAN）是一种能够生成高质量、逼真图像的深度学习模型。

NoABug·2025-03-17 17:15

GAN模型的Python应用——生成对抗网络

GAN模型的Python应用——生成对抗网络生成对抗网络（GenerativeAdversarialNetwork，GAN）是深度学习中的一种重要模型，已经被广泛应用于图像、文本生成等领域。

代码编织匠人·2025-03-17 17:15

YOLOv8 改进：添加 GAM 注意力机制

然而，随着场景的复杂化，仅仅依靠卷积特征可能不足以捕捉图像中的重要信息。

鱼弦·2025-03-17 16:14

AIGC从入门到实战：可能消失的职业和新出现的机会

从文本、代码到图像和音乐，AIGC正在各个领域展示其强大的能力，并开始挑战传统的创意产业。

AGI大模型与大数据研究院·2025-03-17 15:33

ST-Align：一个包含430万训练样本，涵盖了15种细粒度多模态数据集

一、研究背景近年来，多模态大型语言模型（MLLMs）在多模态理解方面取得了显著进展，能够基于图像或视频生成对话或描述。然而，对于需要基于语言输入处理视觉坐标的细粒度多模态理解任务，现有

·2025-03-17 15:12

【CSS】background-position属性详解

使用像素值4.混合使用关键字与百分比/像素值三、background-position属性详解1.关键字定位2.百分比定位3.长度值定位四、background-position的实际应用场景1.背景图像居中显示

Peter-Lu·2025-03-17 14:56

【北上广深杭大厂AI算法面试题】计算机视觉篇...详解目标检测中的多尺度训练和测试?

【北上广深杭大厂AI算法面试题】计算机视觉篇…详解目标检测中的多尺度训练和测试?【北上广深杭大厂AI算法面试题】计算机视觉篇…详解目标检测中的多尺度训练和测试?

努力毕业的小土博^_^·2025-03-17 14:53

开源模型应用落地-Qwen2-VL-7B-Instruct-vLLM-OpenAI API Client调用

让我们能够深入了解当今最前沿的视觉语言模型的工作原理和强大能力。这不仅拓宽了我们的知识视野，更让我们站在科技发展的潮头，紧跟时代的步伐。

开源技术探险家·2025-03-17 13:52

【go从入门到精通】探秘struct结构体转json为什么需要首字母大写？

并且深耕深度学习和数据集训练，提供商业化的视觉人工智能检测和预警系统（煤矿，工厂，制造业

前网易架构师-高司机·2025-03-17 13:47

推荐频道

图像视觉