多模态三维目标检测第5页

使用css3的动画属性@keyframes创建小说轮播图

最近一直在琢磨做一个小说网站模板，在寻找灵感时发现一个很好的小说展示效果-小说三维轮播，如下图所示：这种小说轮播展示方法不仅美观而且节省页面空间，那么他到底怎么实现的呢？

Wiktok·2024-08-29 11:21

A Survey on Benchmarks of Multimodal Large Language Models

多模态大型语言模型基准研究综述摘要1引言2前言3感知与理解4认知与推理5特定领域6关键能力7其他模态8结论摘要多模态大型语言模型（MLLM）在学术界和工业界越来越受欢迎，因为它们在视觉问答、视觉感知、理解和推理等各种应用中表现出色

UnknownBody·2024-08-29 11:20

《CSS 3D 变形探秘：开启网页设计新维度》

无论是简单地在平面上平移，还是在三维空间中进行精准定位，translate都能轻松胜任。它让元素的布局更加灵活多变，为设计师提供了无限的创意空间。

小刘|·2024-08-29 06:22

＜数据集＞斯坦福狗狗识别数据集＜目标检测＞

数据集格式：VOC+YOLO格式图片数量：20580张标注数量(xml文件个数)：20580标注数量(txt文件个数)：20580标注类别数：120标注类别名称：['Chihuahua','Japanese_spaniel','Maltese_dog','Pekinese','Shih-Tzu','Blenheim_spaniel','papillon','toy_terrier','Rhodes

深度学习lover·2024-08-29 06:52

Taco数据集的yolo格式

将Taco数据集的1500张图片和原本的coco标注改为yolo格式，方便用yolo算法对垃圾数据集进行目标检测操作。并配上改成中文标签的yaml文件。

lhy12345678910·2024-08-29 06:21

萝卜快跑（Apollo Go）的无人驾驶底层原理是什么,烧萝卜武汉实现了7*24小时的全天候运营，估计2025年实现盈利，2024年全国大部分城市部署萝卜快跑

以下是一些关键的技术和原理：1.感知系统无人驾驶汽车需要感知周围环境，这主要依赖于多种传感器，包括：激光雷达（LiDAR）：通过发射激光束并测量反射回来的时间，生成高精度的三维地图。

九张算数·2024-08-28 21:48

MS COCO数据集目标检测评估（Detection Evaluation）

MSCOCO(MicrosoftCommonObjectsinContext)是一个广泛应用于计算机视觉领域的数据集和评估平台，尤其是在目标检测、分割和人体关键点检测等任务中。

Ambition_LAO·2024-08-28 19:30

【YOLO系列】YOLO介绍

目录前言一、算法特点二、工作原理前言YOLO，全称为"YouOnlyLookOnce"，是一种流行的实时目标检测算法，由JosephRedmon等人于2015年首次提出。

有品位的小丑·2024-08-28 13:19

open3d python 八叉树

测试效果废话空间划分：八叉树通过递归地将三维空间划分为八个等大小的子空间（或子立方体）来组织数据。这种划分方式使得八叉树能够高效地表示空间中的对象及其位置。

黄晓魚·2024-08-28 12:48

YOLO系列目标检测数据集大全_yolo数据集(1)

Darknet版YOLOv4猫狗识别训练好的权重文件：https://download.csdn.net/download/zhiqingAI/85541214Darknet版YOLOv3猫狗识别训练好的权重文件：https://download.csdn.net/download/zhiqingAI/85541209DeepSORT-YOLOv5猫狗检测和跟踪+可视化目标运动轨迹yolov7猫狗

2401_84187537·2024-08-28 12:17

如何将CAD二维图纸切换成三维视图呢?

如何将CAD二维图纸切换成三维视图呢?当我们想要在CAD中绘制三维图形，可绘制出来的确是二维图纸该怎么办呢？如何才能将二维图纸切换成三维图纸呢？下面来教你具体操作方法。

fyy7777·2024-08-28 04:58

使用Tensorflow目标检测API训练自己的数据集

使用官方1.x的目标检测API，安装过程见：https://www.jianshu.com/p/3257a32d4c5a一、制作数据集制作自己的数据集可以参考该方式：https://www.bilibili.com

是我真的是我·2024-08-28 03:21

使用Vite+Vue3创建Cesium项目

Vite+Vue3+Cesium项目模版Cesium是AGI公司计算机图形开发小组与2011年研发的三维地球和地图可视化开源JavaScript库，Cesium一词来源于化学元素铯，铯是制造原子钟的关键元素

IT界胖猫·2024-08-28 03:49

详解cuda by example中第六章光线追踪代码

后对这段代码有了比较清晰的理解，于是打算对这段代码进行一个注解，仅供学习，如果大家有发现不对的地方欢迎指正定义线程块与线程一个线程块包含一个16*16的线程intdim=1024//dim3是CUDA中定义三维向量的类型

肖肥羊xy·2024-08-28 00:58

CMake构建学习笔记8-OpenSceneGraph库的构建

OpenSceneGraph（简称OSG）是一个高性能、跨平台的三维图形应用程序框架，广泛应用于科学可视化、模拟仿真、游戏开发等领域。

charlee44·2024-08-27 21:12

【pytorch(cuda)】基于DQN算法的无人机三维城市空间航线规划（Python代码实现）

本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、DQN算法概述三、基于DQN的无人机三维航线规划方法1.环境建模2.状态与动作定义3.奖励函数设计4.深度神经网络训练5.航线规划四、研究挑战与展望

程序猿鑫·2024-08-27 18:48

【区块链 + 智慧文旅】可信元宇宙演唱会平台 | FISCO BCOS应用案例

传统线下演唱会举行受到疫情影响，近年来受到冲击较大，元宇宙演唱会应用掀起热点关注，演出发行方对此类三维场景的新应用较为关注。

FISCO_BCOS·2024-08-27 13:46

ms | modelscope源码方式安装

[email protected]:modelscope/modelscope.gitcdmodelscopegitfetchoriginmastergitcheckoutmaster安装依赖如仅需体验多模态领域模型

Mopes__·2024-08-27 10:28

年度国漫回归！《姜子牙》定档10月1日，它能超越《哪吒》吗？

前所未有的“丑”哪吒造型，也算是国漫巅峰般的三维特效水平，再加上随处可见的无厘头笑料，最终这部国漫成功斩获超50亿票房，成为了有史以来最成功的国产动画，就连《流浪地球》和《复联4》都得在它的票房面前抖三抖呢

西北草·2024-08-27 09:57

OPenCV和OPenGL的区别

OPenGL主要用于三维图形的渲染。专注于用机器绘制图像给人看。Graphics，3D绘图。Opencv是从图像到数据OpenGL是从数据到图像

zxz520zmg·2024-08-27 06:01

使用MongoDB构建AI：Jina AI将突破性开源嵌入模型变为现实

JinaAI创立于2020年，总部位于德国柏林，主要从事提示工程和嵌入模型业务，已迅速成长为多模态AI领导者。

MongoDB 数据平台·2024-08-27 02:10

每周总结

感觉专业课也不难听懂了，自己学的比老师讲的快，有一些自豪感，但是到小组学习就感觉自己学的有点慢，还有好多问题问学长学姐，听说一堆人学特别快，还去听课，哎，没事没事，我好好学我自己的就行，学扎实比什么都好，最近看到三维以上的多维数组

难越晚风·2024-08-26 21:25

【YOLOv10改进[Conv]】感受野注意力卷积RFAConv（2024.3）| 使用RFAConv 改进C2f + 含全部代码和详细修改方式

本文将进行使用RFAConv改进C2f，助力YOLOv10目标检测效果，文中含全部代码、详细修改方式。助您轻松理解改进的方法。改进前和改进后的参数对比：

Jackilina_Stone·2024-08-26 19:17

大模型微调技术（Adapter-Tuning、Prefix-Tuning、Prompt-Tuning(P-Tuning)、P-Tuning v2、LoRA）_adapter微调 p tuning

今年3月15日，GPT-4发布后，也出现了一些多模态的大模型，比如百度的文心一言、讯飞星火认知大模型等等。要想训练一个针对特定领域的大模型，如果采用全量参数微调（FullParameterFutu

Cc不爱吃洋葱·2024-08-26 19:12

国货之光|暴雨机推出面向大模型训练的AI服务器

当前，“百模大战”带来了算力需求的爆发，尤其是以ChatGPT为代表的多模态AI大模型，‌其参数规模和训练数据量均达到了前所未有的规模。‌

BAOYUCompany·2024-08-26 10:44

使用书生万象InternVL大模型进行自定义视频数据集微调时没有petrel_client导致NoneType异常

它是目前已知性能最强的开源多模态大模型(见数值对比表），也是国内首个在MMMU（多学科问答）上突破60的模型。数学基准MathVista的测试中

菜b杨·2024-08-26 06:54

电力行业电气领域相关数据集下载地址汇总输电线路变电站电网应用数据集汇总(全网最全)

例如，输电线路图像数据集通过无人机或直升机拍摄，包含了杆塔、绝缘子、导线等详细图像，为目标检测、分类和异常检测提供了丰富的素材。

FL1623863129·2024-08-26 02:25

[数据集][目标检测]街灯路灯检测数据集VOC+YOLO格式1893张1类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：1893标注数量(xml文件个数)：1893标注数量(txt文件个数)：1893标注类别数：1标注类别名称:["streetlight"]每个类别标注的框数：streetlight框数=5133总框数：5133使用标注工

FL1623863129·2024-08-25 23:09

[数据集][目标检测]手钳检测数据集VOC+YOLO格式141张1类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：141标注数量(xml文件个数)：141标注数量(txt文件个数)：141标注类别数：1标注类别名称:["pliers"]每个类别标注的框数：pliers框数=195总框数：195使用标注工具：labelImg标注规则：

FL1623863129·2024-08-25 23:39

无人机之测绘行业篇

无人机倾斜摄影技术凭借快速高效、机动灵活、成本低等优势，正慢慢颠覆传统测绘的作业方式，已成为测绘行业的“新宠”，将倾斜摄影技术应用到无人机上，实际上就是在做一个三维模型，而建立起来的这个模型更加真实，更加直观

云卓科技·2024-08-25 22:34

YOLOv8独家原创改进：图像去噪 |一种新颖的双分支残差注意，助力低光照、红外小目标检测 | 2024年最新发表（全网独家首发）

解决什么问题：许多网络不能很好地去除图像采集或传输过程中产生的真实噪声(即空间变异噪声)，这严重阻碍了它们在实际图像去噪任务中的应用。创新点：提出了一种新的双分支残差注意网络用于图像去噪，它具有广泛的模型架构和注意引导特征学习的优点。该模型包含两个不同的并行分支，可以捕获互补特征，增强模型的学习能力。我们分别设计了一种新的残差注意力(RAB)和一种新的混合型扩张型残差注意力(HDRAB)。如何跟Y

AI小怪兽·2024-08-25 21:59

基于单片机的 GPS 信息处理系统

他以全球覆盖、全天候、连续实时提供高精度的三维位置、

电气_空空·2024-08-25 19:16

通义千问( 五 ) 图片分析

5.多模态5.1.图片分析5.1.1.介绍通义千问VL(Qwen-VL)是阿里云研发的大规模视觉语言模型（LargeVisionLanguageModel,LVLM），可以以图像、文本、检测框作为输入，

春哥的魔法书·2024-08-25 14:15

【解原理懂世界】除了三维立体，物理中有十维空间你知道吗

超维度空间零维：点的维度；一维：线的维度；二维：面的维度；三维：立体的维度；四维：时间的维度；五维：翘曲时间的维度；六维：可能性的维度；七维：单一宇宙全部可能性的维度；八维：多重宇宙的维度；九维：翘曲多重宇宙的维度

骑士658·2024-08-25 14:59

深度学习（十一）：YOLOv9之最新的目标检测器解读

YOLOv91.YOLOv9:物体检测技术的飞跃发展1.1YOLOv9简介1.2YOLOv9的核心创新1.2.1信息瓶颈:神经网络在抽取相关性时的理论边界1.2.2可逆函数:保留完整的信息流1.2.3对轻型模型的影响：解决信息丢失1.2.4可编程梯度信息(PGI)：解决信息瓶颈1.2.5通用高效层聚合网络（GELAN）：实现更高的参数利用率和计算效率1.2.6结论：合作与创新2.代码1.YOLOv

从零开始的奋豆·2024-08-25 13:39

目标检测 | yolov8 原理和介绍

hero_hilog·2024-08-25 13:39

【目标解算】相机内外参数详细解读+坐标系转换

内参矩阵可以将相机坐标系中的三维点映射到图像平面上的二维像素坐标。通过内参矩阵，我们可以进行相机标定、图像校正和三维点云到图像的投影等操作。

王尼莫啊·2024-08-25 09:46

23 注意力机制—BERT

预训练NLP里的迁移学习BERTBERT动机BERT预训练NLP里的迁移学习在计算机视觉中比较流行，将ImageNet或者更大的数据集上预训练好的模型应用到其他任务中，比如小数据的预测、图片分类或者是目标检测使用预训练好的模型

Unknown To Known·2024-08-25 01:57

[CLIP-VIT-L + Qwen] 多模态大模型源码阅读 - trainer篇

[CLIP-VIT-L+Qwen]多模态大模型源码阅读-trainer篇前情提要源码阅读导包逐行解读compute_loss方法（重构）整体含义逐行解读save_model函数（重构）整体含义逐行解读create_optimizer

FlowerLoveJava·2024-08-24 22:40

CLIP-VIT-L + Qwen 多模态源码阅读 - 语言模型篇（3）

多模态学习笔记-语言模型篇（3）参考repo:WatchTower-Liu/VLM-learning;url:VLLM-BASE吐槽今天接着昨天的源码继续看，黑神话：悟空正好今天发售，希望广大coder

FlowerLoveJava·2024-08-24 22:10

Pytorch-张量基础操作

例如，一幅RGB图像可以表示为一个三维

小森( ﹡ˆoˆ﹡ )·2024-08-24 22:38

＜数据集＞工具识别数据集＜目标检测＞

数据集格式：VOC+YOLO格式图片数量：9302张标注数量(xml文件个数)：9302标注数量(txt文件个数)：9302标注类别数：5标注类别名称：['drill','hammer','pliers','screwdriver','wrench']序号类别名称图片数框数1drill58723942hammer353346873pliers192823944screwdriver23935243

深度学习lover·2024-08-24 22:37

《通义千问AI落地—上》：后端接口

为多模态大模型(MultimodalModels)。通义意为“通情，达义”，具备全副AI能力，致力于成为人们的工作、学习、生活助手。功能包括多轮对话、文案创作、逻辑推理、

写完bug就找女朋友·2024-08-24 22:37

自学历程15-YOLOv8使用ZED相机检测目标深度信息

前言：ZED相机拍照保存至指定文件夹同时提取图片对应的点云信息，YOLOv8识别目标，获取目标中心点的像素位置，对应到点云信息中获取目标的三维信息。

‖醉生梦死·2024-08-24 21:59

Open3D mesh 裁剪

轴对齐包围盒(AABB)裁剪2.2有向包围盒(OBB)裁剪2.3平面裁剪Open3D点云算法汇总及实战案例汇总的目录地址：Open3D点云算法与点云深度学习案例汇总（长期更新）-CSDN博客一、概述在三维图形处理中

白葵新·2024-08-24 19:19

[数据集][目标检测]风力发电机叶片损伤检测数据集VOC+YOLO格式5029张8类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：5029标注数量(xml文件个数)：5029标注数量(txt文件个数)：5029标注类别数：8标注类别名称:["Drainholeimpairment","LightningStrike","OILLEAKAGE","P

FL1623863129·2024-08-24 14:48

＜数据集＞遥感船舶识别数据集＜目标检测＞

数据集格式：VOC+YOLO格式图片数量：15047张标注数量(xml文件个数)：15047标注数量(txt文件个数)：15047标注类别数：25标注类别名称：['AircraftCarrier','AuxiliaryShips','OtherShip','OtherWarship','Destroyer','Dock','Hovercraft','Submarine','Ferry','Barg

深度学习lover·2024-08-24 07:07

Mars3D之三维空间视角

三维是指在平面二维系中又加入了一个方向向量构成的空间系。三维既是坐标轴的三个轴，即x轴、y轴、z轴，其中x表示左右空间，y表示前后空间，z表示上下空间（不可用平面直角坐标系去理解空间方向）。

火星杠杠·2024-08-24 02:16

AR技术的深度解读及实际应用

它通过计算机图形学、传感器技术、跟踪和定位技术等手段，将数字信息、三维模型等虚拟内容实时叠加到真实场景中，为用户提供更加丰富和立体的视觉体验。

m0_70960708·2024-08-24 01:24

深度学习，创新点，模型改进

机器学习，目标检测，目标识别，语义分割，GAN，CNN等(只要是深度学习均可)编程语言限于Python，pytorch欢迎大家咨询~

揽星河@·2024-08-23 21:00

推荐频道

多模态三维目标检测