残差图像

MM-RAIT：多模态检索增强生成（RAG）的认知革命

技术双引擎：从能力测绘到认知进化M2RAG：多模态能力的CT扫描仪M2RAG引入了首创的四维评估体系，覆盖图像描述
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

Tcp/UDP协议详解

为什么会有TCP/IP协议在世界上各地，各种各样的电脑运行着各自不同的操作系统为大家服务，这些电脑在表达同一种信息的时候所使用的方法是千差万别。就好像圣经中上帝打乱了各地人的口音，让他们无法合作一样。
寂寂寂寂寂蝶丶·2025-03-18 18:10

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

【认知框架重构】

以下从底层逻辑到操作层面的深度分析：一、认知框架重构时空差理论：信息传播存在物理时滞（如跨境政策变化）、认知时滞（专业门槛导致的理解延迟）、传播层级衰减（信息在传递中的失真）熵增对抗模型：市场参与者维持信息优势需要持续负熵输入
调皮的芋头·2025-03-18 15:18

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

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贴片加工厂厂房承重能力要求

SMT贴片加工厂厂房承重能力要求SMT贴片加工大部分都是重型设备，尤其是贴片机、回流焊等设备，有些重达几顿、十几吨，因此厂房承重必须符合规范，如果厂房承重差，极有可能造成坍塌，并且SMT产线都是整线设备摆放
贴片机·2025-03-18 08:20

【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

深入理解Java工厂方法模式：原理剖析与实战应用

当我们需要创建的对象类型存在多种可能，或者对象的创建过程较为复杂时，如果直接在业务代码中使用new关键字进行实例化，会导致以下问题：代码耦合度高难以扩展新的产品类型违反开闭原则（对扩展开放，对修改关闭）代码重复和可维护性差工厂方法模式
小诸葛IT课堂·2025-03-18 07:12

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

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

Dropout: 一种减少神经网络过拟合的技术

过拟合意味着模型在训练数据上表现得很好，但在未见过的数据上表现不佳，即泛化能力差。为了解决这个问题，研究者们提出了多种正则化技术，其中之一就是Dropout。什么是Dropout？
冰蓝蓝·2025-03-17 23:37

证券交易系统核心技术解析：LinkTrader 的毫秒级响应架构与风控实践

以下是传统系统的三大致命缺陷：数据延迟：非官方行情源导致套利窗口丢失（实测延迟普遍>0.1秒）；风控低效：依赖人工监控，凌晨时段风险拦截率不足30%；扩展性差：单体架构下订单处理峰值低于10万/秒，极易崩溃
Ashlee_code·2025-03-17 21:19

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

【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

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

GitHub图床

虽然大概率以后不会用到，但如果需要时可以使用爬虫爬取issue保存下来，也便于查找之前还有些照片以仓库的形式同步在这个仓库中，但取url这个过程十分麻烦，不过如果是用于储存大量照片的话，使用仓库同步的方式可能不会差,
Thinking_calculus·2025-03-17 14:55

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

Qwen2-VL具有卓越的图像和视频理解能力，以及多语言支持等特性。学习它可以提升我们处理复杂视觉信息的能力，无论是在学术研究中分析图像数据、解读视频内容，还是在实际工作中进行文档处理、解决
开源技术探险家·2025-03-17 13:52

python网格插值站点_在python中，在二维零网格上两点之间插值一条值线

在上下文：目前我正在尝试从二值化的医学图像数据(0和1)对一个3d数组执行2d操作。最终目标是在填充体素/像素(即第一个和最后一个实例)的起点和终点之间添加一条1s的线。
weixin_39965490·2025-03-17 12:11

【前端】如何依靠纯前端实现拍照获取/选择文件等文字识别OCR技术

本文仅介绍第三方依赖包Tesseract.js，Tesseract.js是一个基于网页的OCR（光学字符识别）引擎，可以识别图像中的文本并将其转换为可供计算机处理的文本数据。
爱上大树的小猪·2025-03-17 11:01

AI大模型从入门到精通，2025终极指南！好卷啊，又不能躺平，只能悄悄卷你们了！

这些模型通常具有高度的准确性和泛化能力，可以应用于各种领域，如自然语言处理、图像识别、语音识别等。为什么要学AI大模型？
大模型教程·2025-03-17 10:30

Transformer 架构深度剖析

Transformer由编码器（Encoder）和解码器（Decoder）堆叠而成，每个层包含：多头自注意力（Multi-HeadSelf-Attention）前馈网络（Feed-ForwardNetwork,FFN）残差连接
时光旅人01号·2025-03-17 10:58

2025-03-13 学习记录--C/C++-PTA 练习2-9 整数四则运算

一、题目描述⭐️练习2-9整数四则运算本题要求编写程序，计算2个正整数的和、差、积、商并输出。题目保证输入和输出全部在整型范围内。输入格式:输入在一行中给出2个正整数A和B。
小呀小萝卜儿·2025-03-17 09:52

基于GPT架构的视频生成工具（VideoGPT）

模型改进与创新：如VideoGPT+模型结合了先进的图像编码器和视频编码器，克服了传统方法在处理视频时的局限，在捕捉丰富空间细节和理解复杂时间动态上展现出卓越性能。iVideoGPT采用新颖的压缩to
deepdata_cn·2025-03-17 08:16

Google Gemini 大模型技术架构剖析

▼最近直播超级多，预约保你有收获近期直播：《从原理到实践教你做出一个Gemini/ChatGPT》—1—Gemini技术架构剖析Google新的多模态模型家族Gemini，它在文本、图像、音频、视频等方面具有卓越的能力
musicml·2025-03-17 08:15

数据读取错误：RuntimeError: The size of tensor a (3) must match the size of tensor b (4) at non-singleton

去除4通道图像：importcv2importosimportshutilfolder_path=R'F:\bounding_box_test\bounding_box_train'#更改为存储图片文件夹的路径
hitsz_syl·2025-03-17 07:07
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他