尺度不变特征变换

cv2 orb 图像拼接_图像拼接Opencv源码重构

代码链接：https://github.com/mhhai/ImageStitch二.特征点检测一切起源于这段代码Ptrf
是佐罗而非索隆·2025-03-21 17:29

决策树算法及其python实例

决策树模型呈树形结构，在分类问题中，表示基于特征对数据进行分类的过程。它可以认为是if-then规则的集合。
m0_74831463·2025-03-21 17:57

大模型在冠心病风险预测及临床方案制定中的应用研究

目录一、引言1.1研究背景与目的1.2国内外研究现状1.3研究方法与创新点二、大模型预测冠心病风险原理与方法2.1数据收集与预处理2.1.1数据来源2.1.2数据清洗与整理2.2特征工程2.2.1特征提取
LCG元·2025-03-21 17:27

python学智能算法（八）|决策树

为了进一步探索事物的内在特征，就需要学习新的算法。本篇文章就是在KNN的基础上学习新算法：决策树。【2】原理分析在学习决策树执之前，需要先了解香农熵。本科学控
西猫雷婶·2025-03-21 17:23

17-OpenCVSharp 中实现 Halcon 的 Points_Harris算子（Harris 角点检测）

Harris角点检测算法是用于检测图像中的角点特征，可以用来进行图像匹配、物体识别等任务。Halcon提供的Points_Harri
观视界·2025-03-21 16:23

集睿致远CS5518 Mipi转lvds点屏方案芯片，pin to pin替代国腾GM8775C方案

产品特征MIPI输入：支持MIPI®D-PHY版本1.00.00和MIPI®DSI版本1.02.00；支持1~4个数据通道，1个时钟通道；支持ULPS(超
·2025-03-21 16:43

【lua】面向对象

建议提前学习https://www.runoob.com/lua/lua-metatables.html面向对象特征1）封装：指能够把一个实体的信息、功能、响应都装入一个单独的对象中的特性。
岚花落_·2025-03-21 15:13

关于重投影误差小记

理想情况下，该点的投影位置应该与实际图像中的观测点（如特征点）完全匹配，但由于噪声、相机模型的不准确性或优化算法的误差，这两个点可能会有偏差。
文弱_书生·2025-03-21 15:12

奇异值分解（SVD）

与仅适用于方阵的特征分解不同，SVD可以应用于任何矩阵，使其成为一种多功能工具。在这里煮啵将分解SVD背后的理论，通过手动计算示例进行分析，并展示如何在Python中实现SVD。
文弱_书生·2025-03-21 15:42

数字转换（dp+数论）

限定所有数字变换在不超过n的正整数范围内进行，求不断进行数字变换且不出现重复数字的最多变换步数。
小崔的技术博客·2025-03-21 15:11

常见经典目标检测算法

以下是一些常见的经典目标检测算法：1.R-CNN（RegionswithCNNfeatures）:R-CNN通过使用区域提议方法（如选择性搜索）首先生成潜在的边界框，然后使用卷积神经网络(CNN)提取特征
109702008·2025-03-21 15:39

目标检测中归一化的目的？

在目标检测任务中，归一化坐标和尺寸时需要除以图像的宽度和高度，主要有以下几个原因：1.统一尺度不同图像可能具有不同的宽度和高度。
林语微光·2025-03-21 14:37

【人工智能机器学习基础篇】——深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理

降维作为一种重要的特征提取和数据预处理技术，旨在通过减少数据的维度，保留其主要信息，从而简化数据处理过程，并提升模型的性能。本文将深入探讨两种广泛应用于无监督学习中的降
猿享天开·2025-03-21 13:25

u-net系列算法

语义分割M整体结构：M概述就是编码解码过程简单但是很实用，应用广起初是做医学方向，现在也是U-net主要网络结构：还引入了特征拼接操作M以前我们都是加法，现在全都要这么简单的结构就能把分割任务做好U-net
㡽闧㔯·2025-03-21 11:06

重建容器操作：对基于 docker-compose-project.yaml 配置文件的容器进行重启和更新操作

需重建容器但配置不变的具体步骤：（1）修改调整docker-compose-project.yaml文件后保存（2）查看配置文件的容器运行状态：快速查看由docker-compose-project.yaml
momopeng～·2025-03-21 11:34

机器学习课堂4线性回归模型+特征缩放

一、实验2-2，线性回归模型，计算模型在训练数据集和测试数据集上的均方根误差代码：#2-2线性回归模型importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt#参数设置iterations=3000#迭代次数learning_rate=0.0001#学习率m_train=3000#训练样本的数量flag_plot_lines=False
木尘152132·2025-03-21 09:17

风控算法（一）——数据测试

确定样本（对齐样本与时间，去除假样本）——确定特征（确认目前特征）——数据信息（返回的数据字典、收费方式、底层数据：特征、分数）——数据清洗（缺失值替换）——数据训练形成报告。
月亮月亮要去太阳·2025-03-21 09:15

GOT-OCR2.0：突破性端到端架构与高精度文本识别的技术创新

这一架构的创新性设计带来了多方面的提升，具体包括以下几个关键方面：1.统一的端到端架构传统OCR系统的局限：传统的OCR流程通常由多个独立的模块组成，如图像预处理、字符分割、特征提取、分类识别等。
XianxinMao·2025-03-21 08:40

webpack提升打包构建速度02--webpack优化

所以我们需要做到修改某个模块代码，就只有这个模块代码需要重新打包编译，其他模块不变，这样打包速度就能很快。
_xiyang·2025-03-21 07:05

C语言中如何对一个数的二进制位 置1或者 置0

①了解一个数在内存中的存储一个整数在内存中的存储是以补码的形式存在的，其中正整数的原码，反码，补码三码相同反码是原码的符号位（最高位为符号位）不变，其他位按位取反补码是反码+1。
奕雨.·2025-03-21 07:00

Ai时代初期，人类文明的多纬度演进方向分析

在AI时代初期，文明的演进呈现出多维度、跨领域的突破性特征，结合最新研究进展与实践案例，其深层变革可进一步细化为以下六大维度：一、技术平权与生产要素重构AI技术通过算力跃迁与认知革命重构生产要素。
Ai度·2025-03-21 06:51

NLU-预训练模型-2018：Bert（二）【“Masked LM”缺点：①预训练与微调不一致；②忽略了掩码位置间的依赖关系】【复杂度：O(n^2·d)；n：输入序列长度（规定最长512）】

五、BERT中的词嵌入1、为什么要使用BERT的嵌入使用BERT从文本数据中提取特征，即单词和句子的嵌入向量。我们可以用这些词和句子的嵌入向量做什么？
u013250861·2025-03-21 04:08

论文学习11：Boundary-Guided Camouflaged Object Detection

代码来源GitHub-thograce/BGNet:Boundary-GuidedCamouflagedObjectDetection模块作用BGNet利用额外的目标相关边缘语义信息来引导COD任务的特征学习
zl29·2025-03-21 04:07

camera_calibration_external

目录一、计算相机的外参二、计算相机的外参第二种方法三、图像点坐标变换到世界坐标系四、图像点坐标变换到世界坐标系五、图像点坐标变换到世界坐标系六、游标卡尺转平一、计算相机的外参这是一段很通用的代码，计算相机的外参
mm_exploration·2025-03-21 04:06

DeepLabv3+改进18:在主干网络中添加REP_BLOCK

本专栏重磅推出：✅独家改进策略：融合注意力机制、轻量化设计与多尺度优化✅即插即用模块：ASPP+升级、解码器PS:订阅专栏提供完整代码论文简介我们提出了一种通用的卷积神经网络（ConvNet）构建模块，
AICurator·2025-03-21 03:01

金融风控算法透明度与可解释性优化

随着深度学习框架在特征提取环节的广泛应用，算法可解释性与预测精度之间的平衡成为核心议题。
智能计算研究中心·2025-03-21 01:13

联邦学习算法安全优化与可解释性研究

其次，引入可解释性算法（如LIME与SHAP）构建透明化决策路径，结合注意力机制实现特征贡献度的可视化映射，有效提升模型在医疗影像异常检测与金融欺诈识别场景中的可信度。此外，研究
智能计算研究中心·2025-03-21 01:43

下一代模型技术演进与场景应用突破

应用层创新呈现垂直化特征，医疗诊断模型通
智能计算研究中心·2025-03-21 01:13

人工智能知识架构详解

矩阵运算在数据表示和变换中起着核心作用。例如，在图
CodeJourney.·2025-03-21 01:42

详解如何通过Python的BeautifulSoup爬虫+NLP标签提取+Dijkstra规划路径和KMeans聚类分析帮助用户规划旅行路线

根据地点特征（如经纬度、描述文本）打上标签（如“适合家庭”、“适合冒险”）。地理数据处理模块（地图API）：使用地图API获取地点的详细信息（如地址、距离、路径等）。计算地点之间的距离或路径。
mosquito_lover1·2025-03-21 01:12

Multi-view graph convolutional networks with attention mechanism

本文提出了基于注意力机制的多视图图卷积网络，将拓扑结构的多个视图和基于注意力的特征聚合策
小源er·2025-03-20 23:54

基于多头注意机制的多尺度特征融合的GCN的序列数据（功率预测、故障诊断）模型及代码详解

GCN的核心思想是通过聚合邻居节点的特征来更新目标节点的表示，这种局部聚合机制使得GCN能够学习到图的拓扑结构和节点属性。GCN的主要构成要素包括节点特征矩阵、邻接矩阵和卷积核。
清风AI·2025-03-20 22:14

YOLO魔改之频率分割模块（FDM）

这些方法通常采用两阶段或单阶段策略，通过卷积神经网络(CNN)提取特征并进行分类和定位。
清风AI·2025-03-20 21:11

目标检测YOLO实战应用案例100讲-基于毫米波雷达与摄像头协同的道路目标检测与识别（续）

目录3.2实测数据采集与分析3.2.1回波数据处理3.2.2毫米波雷达数据采集实验3.3基于传统图像特征的目标识别算法3.3.1基于灰度共生矩阵的时频图特征提取3.3.2支持向量机分类器3.3.3实验及结果分析
林聪木·2025-03-20 21:35

C++20 的 `std::remove_cvref`：简化类型处理的利器

4.实现原理5.使用场景6.注意事项7.总结在C++20中，标准库引入了许多新特性，其中std::remove_cvref是一个非常实用的类型特征工具，它极大地简化了类型处理的复杂性。
码事漫谈·2025-03-20 21:35

OpenCV 图像几何变换：旋转，缩放，斜切

几何变换几何变换可以看成图像中物体（或像素）空间位置改变，或者说是像素的移动。
奈何小洪·2025-03-20 19:53

基于大模型的腮腺多形性腺瘤全周期诊疗方案研究报告

目录一、引言1.1研究背景与目的1.2研究现状与趋势二、大模型预测原理与方法2.1大模型概述2.2数据收集与预处理2.3模型训练与优化三、术前预测与评估3.1肿瘤特征预测3.2风险评估3.3案例分析四、
LCG元·2025-03-20 19:53

实现图片处理功能鸿蒙示例代码

支持图片单一种变换效果。
·2025-03-20 19:39

FPGA——DDS原理及代码实现

1,2,3...30,31,32,共32个点，读取完整的正弦波需要1ms*32=32ms的时间该正弦波参数为>周期T=1ms*32=32ms,>频率为f=1/T=1/(1ms*(32/1))在读出一个数据时间不变
·2025-03-20 19:34

【机器视觉】少量样本图片情况下的图片识别技术方案

以下是一些应对小样本问题的有效方案：1.数据增强（DataAugmentation）通过对现有样本进行各种变换来生成更多的训练数据，例如：几何变换：旋转、缩放、平移、翻转等。
yuanpan·2025-03-20 16:01

GGUF量化模型技术解析与DeepSeek-R1-Distill-Llama-8B选型指南

模型减肥术"-**传统模型**：每个参数用32位浮点数（好比高清无损图片）-**量化模型**：用4-8位整数存储（类似手机压缩照片）-**核心原理**：`FP32→Int8/Int4`的数学映射，保留关键特征
每天三杯咖啡·2025-03-20 16:29

使用python seaborn创建配对图：从核心概念到实战案例

Seaborn的配对图（Pairplot）是一种用于探索多变量数据关系的可视化工具，尤其适合分析数据集中多个特征之间的相关性、分布模式或异常值。
梦想画家·2025-03-20 15:49

std::forward与std::move详解

std::forward概念保持传递值的类别不变，顾名思义，即传入一个左值，那么经过forward传递后还是一个左值；传入一个右值，经过forward转换后还是一个右值。
_DCG_·2025-03-20 14:17

复旦：过程奖励优化多模态推理

2503.10291摘要我们引入了VisualPRM，这是一种具有8B参数的高级多模态过程奖励模型（PRM），它通过Best-of-N（BoN）评估策略提高了现有多模态大型语言模型（MLLM）在不同模型尺度和族之间的推理能力
大模型任我行·2025-03-20 13:59

QT信号和槽用于对象之间的通信

信号/槽机制是Qt的一个中心特征并且也许是Qt与其它工具包的最不相同的部分。在图形用户界面编程中，我们经常希望一个窗口部件的一个变化被通知给另一个窗口部件。更一般地，我们希望任何一类的对象可以和其它
qq_33510982·2025-03-20 12:26

Opencv计算机视觉编程攻略-第一节 图像读取与基本处理

Valuecore.hpp基础数据结构和操作（图像存储、矩阵运算、文件I/O）highgui.hpp图像显示、窗口管理、用户交互（图像/视频显示、用户输入处理、结果保存）imgproc.hpp图像处理算法（图像滤波、几何变换
weixin_44242403·2025-03-20 08:55

C++标准模板（STL）- 类型支持 （杂项变换，将 std::remove_cv 与 std::remove_reference 结合，std::remove_cvref）

杂项变换将std::remove_cv与std::remove_reference结合std::remove_cvreftempla
繁星璀璨G·2025-03-20 08:21

Hessian 矩阵是什么

Hessian矩阵是什么目录Hessian矩阵是什么Hessian矩阵的性质及举例说明**1.对称性****2.正定性决定极值类型****特征值为2（正），因此原点(0,0)(0,0)(0,0)是极小值点
ZhangJiQun&MXP·2025-03-20 07:45

DApp开发需要多少钱？全面解析DApp开发成本

一、DApp开发成本概述DApp的开发成本并非一成不变，它受到多种因素的影响，包括项目的复杂度、功能需求、技术
Lovely_xwys·2025-03-20 07:14

纳米尺度仿真软件：Quantum Espresso_（21）.并行计算与性能优化

并行计算与性能优化在纳米尺度仿真中，计算资源的需求往往非常庞大。为了提高计算效率和缩短计算时间，并行计算和性能优化成为不可或缺的技术手段。
kkchenjj·2025-03-20 07:12
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他