视觉推理第9页

图文详解维感科技3D深度相机在AGV/AMR的应用（一）

据中国移动机器人（AGV/AMR）产业联盟数据、新战略移动机器人产业研究所统计，2021年中国叉式移动机器人（含视觉导航）销量达8000台，同

Vzense ToF 3D·2025-03-10 04:30

构建一个完整的视觉Transformer（ViT）图像分类模型 VIT （vision transformer）图像分类

构建一个完整的视觉Transformer（ViT）图像分类模型VIT（visiontransformer）图像分类根据提供的截图内容，我们可以看到一个名为VitNet的视觉Transformer（VisionTransformer

Jackie_AI·2025-03-10 04:29

YOLOv7-Tiny：轻量化实时目标检测的革新实践

相比标准YOLOv7，其参数量减少约60%（仅6.02M），计算量降至13.2GFLOPs，在保持较高检测精度的同时，推理速度提升至68FPS（NVIDIAV100）。

追寻向上·2025-03-10 03:21

【人工智能基础】生成模型：让数据“无中生有”的神奇魔法

GAN）2、变分自编码器（VAE）3、扩散模型（DPM）4、基于能量的模型（EBM）5、正规化流（NF）四、生成模型对比分析五、生成模型的应用拓展一、生成模型的发展脉络在深度学习尚未兴起的时期，计算机视觉领域的传统图像生成算法主要依赖纹理合成和纹理映射等技术

roman_日积跬步-终至千里·2025-03-10 03:49

PiscTrace以YOLOv12为例定义兴趣区域提高识视图别效率

2160*38401.裁剪与贴合的运算流程在传统的机器视觉模型中，由于输入尺寸的固定要求，一旦图像尺寸较大，缩放后的目标往往会变得模糊，导致小目标难以被精确识别。而

那雨倾城·2025-03-10 02:15

《DeepSeek-V3：动态温度调节算法，开启推理新境界！》

这项算法犹如一把神奇的钥匙，巧妙地开启了推理速度与精度动态平衡的大门，为大语言模型的发展开辟了新的道路。温度，在大语言模型的世界里，是一个极为关键的参数，它掌控着模型输出的随机性。

·2025-03-10 00:01

2022IJCAI速读：SparseTT，使用稀疏Transformers进行视觉跟踪

原文标题：SparseTT:VisualTrackingwithSparseTransformers中文标题：SparseTT：使用稀疏Transformers进行视觉跟踪代码地址：GitHub-fzh0917

夜深人静打代码·2025-03-10 00:53

Imagen原理与代码实例讲解

传统的计算机视觉模型通常专注于理解和分析现有图像,而生成全新的高质量图像则需要更高级的技术。

AI天才研究院·2025-03-09 22:05

使用DeepSeek来构建LangGraph Agent

随着DeepseekR1的发布，我们不得不把目光聚焦在这个能赶超多个顶流大模型的模型身上，它主要是其在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。

乔巴先生24·2025-03-09 21:59

PyTorch：Python深度学习框架使用详解

PyTorch是一个开源的机器学习库，广泛用于计算机视觉和自然语言处理领域。它由Facebook的AI研究团队开发，因其动态计算图、易用性以及与Python的紧密集成而受到开发者的青睐。

零度°·2025-03-09 21:25

『大模型笔记』强烈推荐OpenAI官方：推理模型最佳实践！

AI大模型前沿研究·2025-03-09 18:56

AIGC从入门到实战：ChatGPT+Midjourney，绘出中国古风意境之美

Midjourney,中国古风,创意设计,艺术表达1.背景介绍1.1问题由来人工智能生成内容（ArtificialIntelligenceGeneratedContent,AIGC）作为AI技术的重要分支，近年来在视觉

杭州大厂Java程序媛·2025-03-09 16:44

人工智能引领技术革命：ChatGPT与深度学习的突破性进展

特别是在自然语言处理（NLP）领域，OpenAI的ChatGPT凭借深度学习技术的持续突破，展现了AI在理解、推理、对话生成等方面的惊人进步。

撒旦骑路西法，大战吕布·2025-03-09 16:42

使用 llama.cpp 框架进行 RWKV 模型的推理

欢迎来到RWKV推理文档的世界！在这里，我们将一起探索如何使用llama.cpp框架进行RWKV模型的推理，仿佛在进行一场科技的冒险之旅。准备好了吗？让我们一起揭开神秘的面纱吧！

步子哥·2025-03-09 16:39

大规模语言模型构建流程

2.预训练语言模型受到计算机视觉领域采用ImageNet对模型进行一次预训练，使得模型可以通过海量图像充分学习如何提取特征，然后再根据任务目标进行模型精调的预训练范式影响，自然语言处理

人工智能技术笔记·2025-03-09 15:34

深度解析DeepSeek：从技术架构到实战应用

在2025年人工智能领域竞争白热化的今天，DeepSeek以其超低训练成本（仅为GPT-4o的1/20）和业界领先的推理能力，成为全球开发者关注的焦点。

YY...yy·2025-03-09 15:33

新一代 AI 软件Manus 将重新将AI市场大洗牌

Manus是一家专注于手部追踪、虚拟现实（VR）和增强现实（AR）技术的公司，其新一代AI软件结合了先进的机器学习和计算机视觉技术，致力于提升人机交互的自然性和效率。

CircuitWizard·2025-03-09 13:23

【AI大模型应用开发】从CoT到ToT，再到ReAct，提升大模型推理能力的方式探索（含代码）

今天我们主要学习下当下提高大模型推理能力的几个主要技术，从CoT（ChainofThought）到TOT（TreeofThought），再到ReAct。

同学小张·2025-03-09 12:47

在 PiscTrace 上使用 YOLO 进行预测与 MiDaS 景深补偿：体验纯视觉自动驾驶的数据分析

随着自动驾驶技术的不断发展，视觉感知系统逐渐成为车辆感知的核心组件。

那雨倾城·2025-03-09 10:30

Python 基于 OpenCV 视觉图像处理实战之 OpenCV 简单实战案例之八简单水彩画效果

Python基于OpenCV视觉图像处理实战之OpenCV简单实战案例之八简单水彩画效果目录Python基于OpenCV视觉图像处理实战之OpenCV简单实战案例之八简单水彩画效果一、简单介绍二、简单图像浮雕效果实现原理三

仙魁XAN·2025-03-09 10:29

解锁数据之美：Python 创意可视化的 10 种高阶玩法与技术深度解析

本文深入剖析Python数据可视化的前沿技术与创意方向，结合Matplotlib、Plotly、Dash等主流库，通过交互式仪表盘、3D动态图形、地理信息融合等案例，展示如何将冰冷的数据转化为具有故事性的视觉叙事

tekin·2025-03-09 10:59

kokoro 82M参数的声音模型kokoro-onnx，支持中文

kokoro大约是官网：github.comonnx推理官网：GitHub-thewh1teagle/kokoro-onnx:TTSwithkokoroandonnxruntime可以参考这个文档使用：

skywalk8163·2025-03-09 10:58

OpenCV计算摄影学（19）非真实感渲染（Non-Photorealistic Rendering, NPR）

OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述非真实感渲染（Non-PhotorealisticRendering,NPR）是一种计算机图形学技术，旨在生成具有艺术风格或其他非现实视觉效果的图像和动画

村北头的码农·2025-03-09 09:24

OpenCV计算摄影学（16）调整图像光照效果函数illuminationChange()

通过这个函数，你可以修改图像中的光照分布，以达到改善图像视觉效果或者为图像

村北头的码农·2025-03-09 09:23

教你学会2分钟搭建Node后台服务

前言你是否厌倦了千篇一律的调接口渲染页面，为了几px的视觉效果把页面改来改去？

Naaaano·2025-03-09 08:56

专业英语

编译原理(5)离散数学2.软件开发(1)编程词汇(2)开发术语(3)Linux(4)软件3.就业领域(1)职场(2)芯片(3)自动驾驶(4)嵌入式硬件4.深度学习(1)论文(2)深度学习DL(3)计算机视觉

程序员爱德华·2025-03-09 08:55

城市霓虹灯夜景拍照后期Lr调色教程，手机滤镜PS+Lightroom预设下载！

调色教程在城市霓虹灯夜景拍摄中，由于现场光线复杂等因素，照片可能无法完全呈现出当时的视觉感受。通过Lr调色，可以弥补拍摄时的不足。

调了个寂寞·2025-03-09 06:30

深度解析SSD2351核心板：硬核视频处理+工业级可靠性设计

芯片技术细节：视频处理能力：IVE引擎支持高斯滤波、膨胀/腐蚀等图像预处理；IPU支持人脸识别、运动检测及Transformer网络推理；显示接口支持MIPIDSI2560x1600@60fps，适配工业

明远智睿嵌入式方案商·2025-03-09 05:16

定位方法与程序讲解（专栏目录，更新中···）

文章目录MATLAB定位程序与详解专栏定位技术的分类1.GPS类2.INS类/累计计算类3.TDOA4.TOA5AOA6.RSSI7.指纹8.视觉匹配定位方法的应用1.全球定位系统（GPS）2.地面基站定位

MATLAB卡尔曼·2025-03-09 04:30

基于FPGA的图像中值滤波Verilog实现及MATLAB辅助验证

基于FPGA的图像中值滤波Verilog实现及MATLAB辅助验证图像处理是计算机视觉和图像识别领域的重要组成部分。

CodeWG·2025-03-09 04:26

Aiarty Image Enhancer for Mac v3.3 图像增强器支持M、Intel芯片

无论是提升照片清晰度，还是为高分辨率打印做好准备，AiartyImageEnhancer都能轻松应对，为您带来前所未有的视觉体验。

Macdo_cn·2025-03-09 03:10

Unity3D 图形渲染（Graphics & Rendering）详解

前言Unity3D是一款广泛使用的游戏引擎，其图形渲染系统是开发者创建高质量视觉效果的核心。本文将深入探讨Unity3D的图形渲染管线、渲染技术、以及如何通过代码实现自定义渲染效果。

Thomas_YXQ·2025-03-09 02:41

AI芯片概述-分类、应用、技术（APU、CPU、DPU、GPU、NPU和TPU）及厂家

二、AI芯片分类1.Training(训练)2.Inference(推理)三、AI芯片应用领域四、AI芯片技术路线五、APU、CPU、DPU、GPU、NPU和TPU六、AI芯片厂家一、AI芯片是什么？

一码当前·2025-03-09 00:27

游戏行业科普（一）| 一款游戏的研发具体需要哪些人，附各自分工详情

策划主要负责设计、制定游戏整体的设计方案（世界观、玩法、系统等）；美术负责视觉、表现设计（角色、场景、动画、特效等）；程序负责技术实现（游戏逻辑、图形表现、开发工具等）、攻关技术问题。

游戏智眼·2025-03-08 23:00

中国团队发布通用型AI Agent产品Manus；GPT-4.5正式面向Plus用户推出；阿里发布并开源推理模型通义千问QwQ-32B...|游戏智眼日报

中国团队发布通用型AIAgent产品Manus，性能超越OpenAI日前，一支来自中国的团队正式对外发布通用型AIAgent产品Manus。据团队介绍，Manus在GAIA基准测试中取得了SOTA（State-of-the-Art）的成绩，显示其性能超越OpenAI的同层次大模型。从发布的视频演示来看，Manus在接到用户指令后可以直接操作电脑完成一系列报告撰写、表格制作等工作，并在最后导出符合用

游戏智眼·2025-03-08 22:11

医图论文 CVPR‘24 | OmniMedVQA：用于医学大型视觉语言模型的新型大规模综合评估基准

论文信息题目：OmniMedVQA:ANewLarge-ScaleComprehensiveEvaluationBenchmarkforMedicalLVLMOmniMedVQA：用于医学大型视觉语言模型的新型大规模综合评估基准作者

小白学视觉·2025-03-08 21:49

(9-2)MM-Vet多模态大模型评估系统：项目架构

9.2项目架构MM-Vet的项目架构由多模态数据集、推理脚本和评估工具三部分构成，针对大模型的综合能力进行全面评估。

码农三叔·2025-03-08 21:35

突破传统，开启数字孪生新时代——镜像视界全新研发架构引领视频孪生革命

借助自主创新的研发架构、清晰的实现路径以及广泛的应用场景，该技术体系正全面颠覆传统视觉处理模式，为智慧交通、智能安防、工业自动化及医疗康复等领域注入全新活力。

云栖道人·2025-03-08 20:39

Jetson系列: tensorrt-python推理yolov5（一）

目录一.onnx模型导出二.TensorRT模型本地序列化三.算法整体Pipline架构四.算法整体Pipline实现一.onnx模型导出在使用tensorrt进行加速之前需要将自己的torch模型转为onnx格式的，这个操作很基础就不赘述了，自己根据自己的任务、部署设备选择合适的batch/infersize/opsetyolov5官方导出onnx脚本Example:```pythonfromp

weixin_55083979·2025-03-08 20:08

基于深度学习的视频修复

基于深度学习的视频修复是一种利用深度学习技术对视频进行处理和优化，以修复视频中的损坏部分、提升视频质量、去除噪声和增强视觉效果的方法。

SEU-WYL·2025-03-08 20:35

LLMs：LLMs大语言模型评估的简介(两标+六性+九维，大模型排行榜多种)，两类基准—通用任务的基准(单任务【BLEU/ROUGE-MT-Bench/Chatbot Arena】、多任务【Super

大语言模型评估的简介(两标(NLUGR指标/REBT)+六性(理解性+生成性{PPL}+多样性+泛化性+能耗性+可解释性)+九维(2大能力域【理解/生成】+3性【丰富性/多样性/适应性】+4大子任务【逻辑推理

一个处女座的程序猿·2025-03-08 19:54

新手必看！如何快速上手DeepSeek？

相较于其他AI直接给出答案，DeepSeek能显示它的完整逻辑推理，真的很“人”化！为了让更多朋友能够快速了解上手，因此，✅让DeepSeek帮我整合了它的使用指南，正好大家也能感受。

逆旅行天涯·2025-03-08 19:12

内容中台赋能数字化内容管理智能升级

智能元数据引擎架构解析现代智能元数据引擎通过三层模型实现数据治理的范式突破：底层采用动态本体建模技术，支持多源异构数据整合；中间层部署语义推理框架，结合知识图谱构建能力实现上下文感知；应用层则通过动态工作流配置驱动业务场景适配

清风徐徐de来·2025-03-08 19:40

DeepSeek + 沉浸式翻译打造智能翻译助手

需要申请APIKey支持与OpenAISDK兼容的调用方式可用模型deepseek-chat：已升级为DeepSeek-V3，通用对话模型deepseek-reasoner：最新推出的DeepSeek-R1推理模型调用示

世味煮成茶.·2025-03-08 19:34

【深度学习模型高效部署】tensorRT_Pro深度解读：部署深度学习模型的高效方案

以下内容将对tensorRT_Pro项目做一个系统的介绍，包括其核心价值、主要功能、应用案例以及关键的示例代码（附详细解释），帮助你快速了解并上手如何基于TensorRT在NVIDIAGPU上实现高性能推理

云博士的AI课堂·2025-03-08 18:50

快速了解 DeepSeek-VL视觉语言大模型！

模型结构这张图展示了DeepSeek-MoE模型处理视觉输入并生成语言输出的流程，具体如下：图像预处理：右下角的实际图像（有南瓜等装饰的场景图）首先通过“DynamicTili

安意诚Matrix·2025-03-08 17:45

基于YOLOv5的无人机农田监测系统实现与UI界面设计

无人机农田监测结合了无人机的高空拍摄能力和计算机视觉技术，能够实时获取农田的图像数据，并对作物生长状态、病虫害检测、土地使用情况等进行智能分析。

深度学习&目标检测实战项目·2025-03-08 16:52

Mark Github上的一个项目，VLM-R1。GRPO为什么促使MLLM在部分垂域比SFT更好的表现

这种差异在OCR等视觉-语言交叉任务中尤为显著。在追求大模型垂直领域落地的道路上，我们是否过度依

朱韬韬·2025-03-08 16:40

研究发现，LLM基于数据的内在含义进行表示，并以其主导语言推理

每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/【本周AI新闻:Deepseek崛起背后：AI智能代理时代正式到来？】https://w

新加坡内哥谈技术·2025-03-08 16:21

【Hugging Face】datasets 库：加载、处理和分享大规模数据集

HuggingFaceDatasets库HuggingFace的datasets库是一个轻量级、高性能的库，用于加载、处理和分享大规模数据集，特别适用于自然语言处理（NLP）、计算机视觉（CV）和语音任务

彬彬侠·2025-03-08 15:28

推荐频道

视觉推理