视觉推理第9页

OmniParser技术分析（一）

1.引言通过上篇文章介绍OmniParser:下一代纯视觉UI自动化测试先驱相信大家已经对OmniParser有初步了解，接下来详细介绍下OmniParser使用了哪些技术模型实现了对UI纯视觉的检测和理解

_深海凉_·2025-03-12 14:22

必看！C# 与 HALCON 构建基于轮廓模板匹配实战宝典

旨在助力读者全方位掌握技术，为机器视觉相关项目开发提供有力支撑，高效解

AI_DL_CODE·2025-03-12 13:49

【Python+OpenCV实战】手把手教你打造自定义视频播放器

随着计算机视觉技术的发展，Python作为其主要开发语言，搭配强大的OpenCV库，为我们提供了无比丰富的功能和可能性。

m0_54877156·2025-03-12 12:45

探索WPF大屏看板：打造高效、灵活的数据展示解决方案

通过使用WPF技术，您可以轻松创建具有丰富视觉效果

薄泳蕙Howard·2025-03-12 12:44

Phi-4-multimodal：图、文、音频统一的多模态大模型架构、训练方法、数据细节

Phi-4-Multimodal是一种参数高效的多模态模型，通过LoRA适配器和模式特定路由器实现文本、视觉和语音/音频的无缝集成。

余俊晖·2025-03-12 12:40

在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？

环境：LoRA微调问题描述：在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？

玩人工智能的辣条哥·2025-03-12 11:38

Transformer 的原理是什么？

它在自然语言处理（NLP）领域取得了巨大成功，并逐渐扩展到计算机视觉（CV）和其他领域。Transforme

玩人工智能的辣条哥·2025-03-12 11:08

P1784 数独(搜索与回溯)

数独是根据9×9盘面上的已知数字，推理出所有剩余空格的数字，并满足每一行、每一列、每一个粗线宫内的数字均含1−9，不重复。

I AM_SUN·2025-03-12 10:59

扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer

最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到

三谷秋水·2025-03-12 10:27

【threejs实战教程一】初识Three.js，场景Scene、相机Camera、渲染器Renderer

Scene、相机Camera、渲染器Renderer通俗一点理解，场景就是我们生活中一个具体的场景，比如自然环境中的一栋建筑，环境和内容构成了一个场景，相机就类比于人类的眼睛，渲染器就好比我们的中枢神经视觉处理器那我们的一个网页端

编码七号·2025-03-12 10:26

计算机视觉深度学习入门（4）

yyc_audio·2025-03-12 10:26

从需求文档到测试点：基于 OCR 和智能接口的高效图片信息提取与分析

为了帮助测试工程师高效、精准地提取图片信息，并结合智能分析技术实现测试点推理，本文将分享一套完整的技术解

Python测试之道·2025-03-12 10:55

Android自定义视图绘制：Canvas实战案例解析

本文还有配套的精品资源，点击获取简介：Android的Canvas工具允许开发者在屏幕上绘制图形，创建丰富视觉效果和交互体验。

Ramaswamy·2025-03-12 10:55

计算机视觉图像处理面试笔试题整理——边缘检测

目录1.边缘检测综述2.Roberts算子3.Prewitt算子4.Sobel算子5.Laplace算子6.Canny1.边缘检测综述边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

fpga和matlab·2025-03-12 09:18

图像处理与机器视觉

1.图像处理与机器视觉的概念图像处理（ImageProcessing）是对图像进行分析、增强、变换等操作以改善图像质量或提取有用信息的过程。

Be_auto·2025-03-12 09:46

AI系统架构

关键组成计算硬件GPU（如NVIDIAA100、H100）TPU（GoogleTensorProcessingUnit）NPU（如华为昇腾、寒武纪等）CPU（用于轻量级推理任务）

flying robot·2025-03-12 07:32

Faster R-CNN原理详解以及Pytorch实现模型训练与推理

阿_旭·2025-03-12 05:51

cornell grasp data 康奈尔大学抓取数据集百度云

目前先进的基于视觉和机器人抓取方法都是在该数据集上训练过。该数据集共十组，每组100个物体，共计1000个物体，不仅包含物体的图像，还包含物体的抓取位姿。

工科pai·2025-03-12 05:20

DeepSeek该选蒸馏版还是满血版

针对不同版本的DeepSeek，需要从多个维度综合分析：1.模型规模与基础能力671B模型在理论上具备更强的底层推理能力：更大参数量意味着更强的模式识别、逻辑推理和知识储备能力，尤其在跨领域、开放域任务中优势显著

飞翔的FOX·2025-03-12 04:35

【xinference部署大模型超详细教程 gemma-it为例子】

pipconfigsetglobal.index-urlhttps://mirrors.pku.edu.cn/pypi/web/simple第一步安装xinference和vLLM：vLLM是一个支持高并发的高性能大模型推理引擎

放飞自我的Coder·2025-03-12 02:50

无人机动态追踪技术难点与距离分析！

传统计算机视觉方法（如光流法、卡尔曼滤波）易受干扰，需结合深度学习（如YOLO、SiamRPN++）提升抗干扰能力。

云卓SKYDROID·2025-03-12 01:15

Unity引擎开发：2D与3D渲染技术_虚拟现实与增强现实技术

虚拟现实与增强现实技术在上一节中，我们探讨了Unity引擎中的光照和阴影处理技术，了解了如何通过不同的光照模型和阴影算法提升游戏的视觉效果。

chenlz2007·2025-03-12 00:40

仿射变换矩阵应用

目录1原理介绍2数学公式推导3计算流程4示例代码仿射变换是计算机视觉、图像处理和点云处理中常用的几何变换之一。它不仅包括旋转和平移，还包括缩放和剪切等线性变换。仿射变换保持了点、直线和平面的平行性。

点云学习·2025-03-11 23:57

OPPO机器学习算法岗（AI智能体）内推

专注于以端设备为中心的AI智能体研究与应用，研究方向包括但不限于智能体与多智能体框架、大模型推理与规划、大模型工具使用等。

飞300·2025-03-11 23:19

人工智能混合编程实践：C++调用Python ONNX进行YOLOv8推理

人工智能混合编程实践：C++调用PythonONNX进行YOLOv8推理前言相关介绍Python简介C++简介ONNX简介YOLOv8简介前提条件实验环境项目结构C++调用PythonONNX进行YOLOv8

FriendshipT·2025-03-11 22:48

H800实战应用深度解析endofsentence

下表展示了H800在不同场景下的性能表现对比：场景类型训练速度提升推理延迟降低能效比提升自然语言处理35%22%40%计算机视觉28%18%33%推荐系统41%29%37%资深系统架构师指出："H800

智能计算研究中心·2025-03-11 22:12

DeepSeek高效AI创作成本革新endofsentence

其混合专家架构采用动态路由机制，实现参数利用率提升40%以上，在保持模型容量的同时将推理成本降低68%。在代码生成任务中，DeepSeekCoder在HumanEval基准测试中达到83.1%的准确

智能计算研究中心·2025-03-11 22:12

大模型全军覆没，中科院自动化所推出多图数学推理新基准 | CVPR 2025

关注前沿科技量子位挑战多图数学推理新基准，大模型直接全军覆没？！事情是这样的。

·2025-03-11 20:10

探索创新：CanvasParticles - 点燃你的网页动态效果

如果你是Web开发者，正在寻找一种方法为你的网站增添独特的视觉吸引力，那么这个项目绝对值得你深入了解。项目简介CanvasParticles提供了一套简洁而强大的API，让你能够

柏赢安Simona·2025-03-11 20:31

10 大中文医学数据集汇总：涵盖神农中医药、中医药古籍、医学推理、医学问答……

从疾病诊断到药物研发，再到个性化医疗，数据集在推动机器视觉、大模型等应用于医学领域中发挥着不可或缺的作用。医学数据集的形式多样，涵盖了不同维度和领域的数据资源。

·2025-03-11 20:07

空间智能数据集（不定期更新）

在这次演讲中，李飞飞教授探讨了机器视觉的未来以及人工智能如何塑造我们的现实世界。她强调了空间智能的重要性，并将其视为全面智能的基石。李飞飞教授指出，解决空间智能问题是迈向全面智能的基础性、关键性

·2025-03-11 20:36

DeepSeek赋能机器人革命：从推理引擎到行业落地的全栈技术实践

——解析大模型如何重塑机器人产业的智能化未来引言：机器人产业的技术范式转移在2025年全球机器人市场规模突破2000亿美元的关键节点，DeepSeek凭借其创新的"推理优先"技术架构，正在重构机器人产业的智能化路径

量子纠缠BUG·2025-03-11 19:52

NTIRE比赛：技术前沿、国内企业表现与计算机视觉未来展望

一、NTIRE比赛概述：图像恢复与增强领域的全球竞技场1.1NTIRE的定位与历史NTIRE（NewTrendsinImageRestorationandEnhancement）是计算机视觉领域最具影响力的国际赛事之一

AndrewHZ·2025-03-11 19:21

AI应用基于DJL开发WEB应用对鞋分类进行预测和推理------AI

packagecom.alatus.djl.app;importai.djl.MalformedModelException;importai.djl.translate.TranslateException;importcom.alatus.djl.service.InterferenceService;importcom.alatus.djl.service.TrainService;impo

旧约Alatus·2025-03-11 18:49

RoboVQA：机器人多模态长范围推理

本文提出一种可扩展、自下而上且本质多样化的数据收集方案，该方案可用于长期和中期的高级推理，与传统的狭窄自上而下的逐步收集相比，其吞吐量提高2.2倍。

三谷秋水·2025-03-11 18:49

卷积神经网络（笔记01）

视觉处理三大任务：分类、目标检测、图像分割CNN网络主要有三部分构成：卷积层（ConvolutionalLayer）、池化层（PoolingLayer）和激活函数一、解释卷积层中的偏置项是什么，并讨论在神经网络中引入偏置项的好处

天行者@·2025-03-11 18:14

常用图像增强算法原理及 OpenCV C++ 实现

一、引言图像增强是数字图像处理中的一个重要分支，其目的是改善图像的视觉效果，突出图像中的重要信息，或者将图像转换为更适合人或机器分析处理的形式。

埃菲尔铁塔_CV算法·2025-03-11 18:12

Python从0到100（七十六）：计算机视觉-直方图和自适应直方图均衡化

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习

是Dream呀·2025-03-11 17:35

《 YOLOv5、YOLOv8、YOLO11训练的关键文件：data.yaml文件编写全解》

走进YOLOv5、YOLOv8、YOLO11的data.yaml在计算机视觉领域的广袤星空中，目标检测无疑是一颗璀璨的明星，它广泛应用于自动驾驶、智能安防、工业检测、医疗影像分析等众多关键领域，发挥着不可或缺的作用

空云风语·2025-03-11 15:51

机器学习之线性代数

AI数据的强大容器（一）矩阵的定义（二）矩阵运算（三）矩阵特性（四）矩阵分解（五）Python示例（使用NumPy库）四、线性代数在AI中的应用（一）数据表示（二）降维：PCA（三）线性回归（四）计算机视觉

珠峰日记·2025-03-11 15:20

深度解析：DETR的多尺度特征融合

"深度解析：DETR的多尺度特征融合"作者：禅与计算机程序设计艺术1.背景介绍1.1目标检测的挑战与传统方法的局限性目标检测是计算机视觉领域中的一个基本任务，其目标是识别图像或视频中所有感兴趣的目标，并确定它们的位置和类别

AI天才研究院·2025-03-11 15:17

目标检测项目

识别图片中有哪些物体并且找到物体的存在位置多任务：位置+类别目标种类与数量繁多的问题目标尺度不均的问题遮挡、噪声等外部环境干扰VOC数据集：PASCALVOC挑战赛(ThePASCALVisualObjectClasses)是一个世界级的计算机视觉挑战赛

sho_re·2025-03-11 11:51

HarmonyNext实战案例：基于ArkTS的高性能分布式机器学习应用开发

通过分布式机器学习，开发者可以充分利用多设备的计算资源，实现复杂模型的训练与推理。本文将深入探讨如何使用ArkTS12+语法开发一个高性能的分布式机器学习应用，涵盖从基础概念到高级技巧的全面讲解。

·2025-03-11 11:52

如何在DigitalOcean的H100 GPU服务器上运行DeepSeek R1 模型

其中一个最关键的能力就是“推理”，也就是用合乎逻辑、讲得通的方式思考问题。以前，大语言模型的表现比较单一。

DO_Community·2025-03-11 10:44

基于llama_cpp 调用本地模型（llama）实现基本推理

零基础实践本地推理模型基本应用：基于llama_cpp的本地模型调用。本文先安装llama_cpppython库，再编写程序，利用其调用llama-2-7b-chat.Q4_K_M.ggu模型。

月光技术杂谈·2025-03-11 10:40

通过 Ollama 本地部署 DeepSeek-r1:1.5b 模型后，用 Python 调用推理并生成基于 pytest + PO 设计模式的 Playwright 自动化测试文件

Ollama提供的本地推理服务默认可通过HTTPAPI访问，地址通常为：ht

Python测试之道·2025-03-11 09:00

DeepSeek + Cline：编程如何加速引擎

以下是具体实现方式及技术要点：一、智能规划与代码生成问题分析与规划（Plan模式）DeepSeek-R1模型擅长处理复杂逻辑推理，开发者可在Cline的Plan模式下用自然语言描述需求（如“用Python

meisongqing·2025-03-11 08:58

OpenBayes 教程上新 | 性能比肩满血版 DeepSeek-R1，QwQ-32B 一键部署教程上线

上周，阿里云突发大招，强势开源了全新推理模型通义千问QwQ-32B。在多个关键基准测试上，其以32B的参数量，超越了OpenAI-o1-mini，比肩671B参数的满血版DeepSeek-R1。

·2025-03-11 07:43

llama.cpp框架下GGUF格式及量化参数全解析

前言：在人工智能领域，语言模型的高效部署和推理一直是研究热点。随着模型规模的不断扩大，如何在有限的硬件资源上实现快速、高效的推理，成为了一个关键问题。

Black_Rock_br·2025-03-11 06:40

react基本功

这使得它可以在浏览器渲染之前读取和修改DOM，避免视觉上的闪烁或不一致。适用场景：主要用于需要同步调整布局的副作用操作，例如测量DOM元素的尺寸（如高度、宽度

码林鼠·2025-03-11 06:09

推荐频道

视觉推理