视觉Transformer 第12页

实体识别处理--在给定的文本中识别特定类型的实体

代码结构和模块分析1.导入必要的库importtorchfromtorchimportnnfromtransformersimportBertTokenizer,BertModelfro

风清扬【coder】·2025-03-01 21:04

如何用 DeepSeek 进行卷积神经网络（CNN）的优化

如何用DeepSeek进行卷积神经网络（CNN）的优化卷积神经网络（CNN）在计算机视觉任务中取得了巨大的成功，例如图像分类、目标检测和图像生成。

一碗黄焖鸡三碗米饭·2025-03-01 20:57

OAK相机：纯视觉SLAM在夜晚的应用

哈喽，OAK的朋友们，大家好啊，今天这个视频主要想分享一下袁博士团队用我们的OAK相机产出的新成果在去年过山车SLAM的演示中，袁博士团队就展示了纯视觉SLAM在完全黑暗的环境中的极高鲁棒性。

OAK中国_官方·2025-03-01 20:26

机器人手眼标定及视觉引导技术

机器人手眼标定及视觉引导技术【下载地址】机器人手眼标定及视觉引导技术本文档旨在详细介绍**机器人手眼标定及视觉引导技术**的核心概念、实施步骤和应用实践。

杨驰晏Danielle·2025-03-01 20:23

机器视觉线阵相机分时频闪选型/机器视觉线阵相机分时频闪选型

在机器视觉系统中，线阵相机的分时频闪技术通过单次扫描切换不同光源或亮度，实现在一幅图像中捕捉多角度光照效果，从而提升缺陷检测效率并降低成本。

视觉人机器视觉·2025-03-01 19:51

【大模型】大模型分类

大模型（LargeModels）通常指参数量巨大、计算能力强大的机器学习模型，尤其在自然语言处理（NLP）、计算机视觉（CV）等领域表现突出。

IT古董·2025-03-01 16:29

基于 Linux 系统（迅为 iTOP-4412）设计的倒车雷达系统

https://github.com/Peakchen）基于Linux系统（迅为iTOP-4412）设计的倒车雷达系统介绍倒车雷达系统是一种辅助驾驶系统，它通过超声波传感器检测车辆后方障碍物，并通过声音或视觉信号向驾

鱼弦·2025-03-01 15:50

yolo位姿估计实验

姿势估计在计算机视觉领域具有重要意义，可广泛应用于视频监控、运动分析、健康管理等领域。1.2背景传统的姿势估计方法常需复杂网络架构和大量计算资源，导致实时性不佳。

jarreyer·2025-03-01 14:15

YOLOv5 + SE注意力机制：提升目标检测性能的实践

一、引言目标检测是计算机视觉领域的一个重要任务，广泛应用于自动驾驶、安防监控、工业检测等领域。YOLOv5作为YOLO系列的最新版本，以其高效性和准确性在实际应用中表现出色。

那年一路北·2025-03-01 13:09

《OpenCV》——人脸检测

代码实现python#导入OpenCV库，用于计算机视觉任务，如读取图像、图像处理和显示图像等importcv2#使用cv2.imread函数读取指定路径下的图像文件'hezhao.jpg

Kai HVZ·2025-03-01 11:22

[Github推荐]CVPR2019录用论文下载及可视化论文网站

简介CVPR是IEEEConferenceonComputerVisionandPatternRecognition的缩写，即IEEE国际计算机视觉与模式识别会议。

spearhead_cai·2025-03-01 09:10

【折线图 Line】——5

但你是否曾苦恼于如何将这些冰冷的数据转化为直观、吸引人的视觉盛宴？

花花 Show Python·2025-03-01 09:36

全方位解析：大语言模型评测方法的综合指南

自2017年Transformer模型提出以来，自然语言处理研究逐步转向基于该框架的预训练模型，如BERT、GPT、BART和T5等。这些预训练模型与下游任务适配后，持续刷新最优结果。

大模型玩家·2025-03-01 08:28

基于计算机视觉实现二维码识别含Matlab源码

基于计算机视觉实现二维码识别含Matlab源码随着现代科技的不断发展，二维码已经成为了我们日常生活中必不可少的一个元素，它广泛应用于商品、文件、广告、交通等领域。

NoABug·2025-03-01 07:51

Transformer 代码剖析1 - 数据处理（pytorch实现）

引言Transformer架构自《AttentionIsAllYouNeed》论文发表以来，在自然语言处理领域引起了巨大的变革。

lczdyx·2025-03-01 06:18

BERT模型深入理解——自然语言处理的里程碑

1BERT的诞生背景2018年谷歌团队发布了BERT（BidirectionalEncoderRepresentationsfromTransformers）模型，在自然语言处理领域引领了技术性的革命。

cufewxy2018·2025-03-01 06:47

端到端自动驾驶的分布式传感器融合架构

自动驾驶,分布式传感器融合,深度学习,计算机视觉,雷达,lidar,惯性导航,Kalman滤波,决策控制1.背景介绍自动驾驶技术作为未来交通运输的重要发展方向，近年来取得了显著进展。

AI智能涌现深度研究·2025-03-01 05:08

大模型技术在电商平台商品评价分析中的应用

大模型技术在电商平台商品评价分析中的应用关键词：大模型技术电商平台商品评价分析情感分析商品推荐Transformer模型BERT模型摘要：本文详细探讨了大模型技术在电商平台商品评价分析中的应用。

AI天才研究院·2025-03-01 05:35

计算机视觉与机器学习之文档解析与向量化技术加速多模态大模型训练与应用——文件向量化大模型！

目录前言1、TextIn文档解析技术1.1、文档解析技术1.2、目前存在的问题1.2.1、不规则的文档信息示例1.3、合合信息的文档解析1.3.1、合合信息的TextIn文档解析技术架构1.3.2、版面分析关键技术Layout-engine1.3.3、文档树提取关键技术Catalog-engine1.3.4、双栏1.3.5、非对称双栏1.3.6、双栏+表格1.3.7、无线表格1.3.8、合并单元格

知世不是芝士·2025-03-01 04:57

Transformer 代码剖析8 - 编码器模块Encoder （pytorch实现）

一、代码结构总览TransformerEncoder__init__初始化Encoder类forward前向传播super()父类初始化构建词嵌入层self.emb=TransformerEmbedding

lczdyx·2025-03-01 04:26

人类驾驶的人脑两种判断模式（反射和预判）--＞自动驾驶两种AI模式

一种模式是直觉模式，判断是基于条件反射，视觉感知触发到直接条件反射（从经历中沉淀形成的神经信息闭环），类似现在自动驾驶技术的传统AI模式。

liron71·2025-03-01 02:14

Simulink开发项1000例实战专栏--实例140：构建一个完整的机器人视觉导航系统模型

目录基于Simulink的机器人视觉导航系统设计与仿真1.背景介绍1.1项目背景2.系统建模与仿真2.1视觉导航系统组成2.2图像采集与处理2.3路径规划2.4运动控制2.5传感器融合3.Simulink

xiaoheshang_123·2025-03-01 00:33

软件测试丨计算机视觉场景下的边缘计算与测试场景

在计算机视觉场景中，边缘计算与测试场景的结合具有重要意义。

霍格沃兹测试开发学社测试人社区·2025-02-28 22:52

Transformer 代码剖析4 - 编码器层实现（pytorch实现）

一、EncoderLayer-类结构定义参考：项目代码classEncoderLayer(nn.Module):def__init__(self,d_model,ffn_hidden,n_head,drop_prob):super(EncoderLayer,self).__init__()self.attention=MultiHeadAttention(d_model=d_model,n_hea

lczdyx·2025-02-28 22:46

Python从0到100（六十八）：Python OpenCV-图像边缘检测及图像融合

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·2025-02-28 19:58

（5-3）DeepSeek多模态大模型架构：Janus-Pro模型

5.3Janus-Pro模型Janus-Pro的架构采用了解耦视觉编码的设计理念，将多模态理解与视觉生成任务分离开来，以充分发挥各自优势。

码农三叔·2025-02-28 18:21

开源文生视频模型：通义万相2.1-文生视频-14B 详情介绍与使用

目录Wan2.1简介关键特性SOTA性能支持消费级GPU多任务处理视觉文本生成强大的视频VAE最新消息

zhangjiaofa·2025-02-28 17:17

【AI论文】SongGen：用于文本到歌曲生成的单阶段自回归Transformer模型

在本文中，我们提出了SongGen，一个完全开源的单阶段自回归Transformer模型，专为可控歌曲生成而设计。

东临碣石82·2025-02-28 15:58

transformer中seq_len参数的设置

在Transformer模型中，seq_len（序列长度）是一个关键的超参数，下面从不同方面详细介绍它的具体含义和作用：一、基本定义seq_len表示输入到Transformer模型中的序列所允许的最大长度

yuweififi·2025-02-28 10:49

pytorch基础 nn.embedding

这是许多NLP模型（包括Transformer）中的基本组件。

yuweififi·2025-02-28 10:49

Transformer 代码剖析2 - 模型训练（pytorch实现）

一、模型初始化模块参考：项目代码1.1参数统计函数defcount_parameters(model):returnsum(p.numel()forpinmodel.parameters()ifp.requires_grad)遍历模型参数筛选可训练参数统计参数数量返回总数技术解析：numel()方法计算张量元素总数requires_grad筛选需要梯度更新的参数统计结果反映模型复杂度，典型Tran

lczdyx·2025-02-28 09:38

脑机接口（BCI）领域入门：SSVEP基本术语解析

目录引言1.脑机接口（BCI）概述1.1BCI的基本组成1.2BCI的分类2.稳态视觉诱发电位（SSVEP）2.1SSVEP的特点3.SSVEP领域的基本术语3.1刺激频率（StimulationFrequency

自由的晚风·2025-02-28 07:55

Houdini：Houdini程序化建模与VEX脚本_2024-07-16_01-51-39.Tex

Houdini：Houdini程序化建模与VEX脚本Houdini基础Houdini界面介绍Houdini是一款由SideEffectsSoftware开发的高级3D动画软件，以其强大的程序化建模和视觉特效能力而闻名

chenjj4003·2025-02-28 07:25

壁纸样机神器 2.0 专业版限时内测开启，邀您体验全新升级！

一、全新功能亮点抢先看（一）背景图设置自定义尺寸：根据您的壁纸作品需求，自由设定背景图尺寸，确保完美适配，呈现最佳视觉效果。图片参数精细调整：亮度、对比度、饱和度等参数随心调，让背景图色彩鲜艳生动

''distance·2025-02-28 05:11

HDMI规范-第十六章 HDR（高动态范围）技术规范详解及运用场景

引言随着显示技术的不断发展，用户对图像质量和视觉体验的要求越来越高。传统的SDR（StandardDynamicRange，标准动态范围）技术已经无法满足现代显示设备的需求。

好多渔鱼好多·2025-02-28 05:08

纤维束追踪效果评估 checklist

一些基于解剖学经验的纤维束追踪效果checklist，帮助比较不同追踪参数（例如-minlength，-maxlength，-select）对不同脑区之间纤维束形状、密度、长度和分布的影响本checklist基于纤维密度图进行视觉检查

皎皎如月明·2025-02-28 05:37

OpenCV开源机器视觉软件

OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库，广泛应用于实时图像处理、视频分析、物体检测、人脸识别等领域。

视觉人机器视觉·2025-02-28 04:03

视频HDR技术详解，你的电脑怎么播放HDR视频？

闲聊：前两天在b站上面看到影视飓风的视频，让我有点疑惑，我不知道为什么播放视频有设备撑不住一说，所以感兴趣去ytb下载了4k原片30hz刷新的，然后测试一下我的电脑能不能播放，发现还是可以的，视觉上看起来是十分震撼的

modest —YBW·2025-02-28 04:02

大模型专栏博文汇总和索引

Donvink·2025-02-28 03:53

【openCV-89】人脸检测

人脸检测简介人脸检测是计算机视觉中的一个重要任务，旨在从图像或视频中识别并定位出人脸的位置。

华东算法王·2025-02-28 02:42

ASFF改进YOLOv8检测头：提升目标检测精度与效率的创新方法【YOLOv8】

本专栏专为AI视觉领域的爱好者和从业者打造。涵盖分类、检测、分割、追踪等多项技术，带你从入门到精通！后续更有实战项目，助你轻松应对面试挑战！立即订阅，开启你的YOLOv8之旅！

步入烟尘·2025-02-27 23:48

JavaScript和HTML5游戏：从愤怒的小鸟到ZX Spectrum

Rob是Mozilla的视觉程序员，作家和技术布道者，在开发人员社区中领导Mozilla工作的游戏方面。他在5月份在墨尔本举行的WebDirectionsC

dingshi7798·2025-02-27 23:44

ELMo ，LM：一串词序列的概率分布probability distribution over sequences of words

Languagemodelisaprobabilitydistributionoversequencesofwords.GPT与ELMo当成特征的做法不同，OpenAIGPT不需要再重新对任务构建新的模型结构，而是直接在transformer

强化学习曾小健·2025-02-27 22:05

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

早期的手工特征提取方法如Viola-Jones和HOG逐渐被卷积神经网络（CNN）取代，其中AlexNet在2012年的ILSVRC比赛中表现突出，推动了CNN在计算机视觉中的广泛应用。

清风AI·2025-02-27 21:03

DeepSeek应用领域全景解析：驱动产业智能化升级的六大核心方向

本文基于官方技术文档与行业实践案例，深入剖析DeepSeek在六大核心领域的应用突破与商业价值实现二、技术底座：支撑多领域落地的三大创新架构1.Transformer-XL增强架构通过引入Multi-HeadLate

量子纠缠BUG·2025-02-27 21:32

DeepSeek全栈接入指南：从零到生产环境的深度实践

其核心能力体现在：1.1.1多模态智能引擎自然语言处理：支持文本生成（NLG）、语义理解（NLU）、情感分析等计算机视觉：提供图像分类、目标检测、OCR识别等CV能力语音交互：包含语音识别（ASR）、语音合成

量子纠缠BUG·2025-02-27 21:30

视觉SLAM十四讲第7讲 (3) 相机运动估计 2D-2D/3D-2D/3D-3D

相机运动估计2D-2D/3D-2D/3D-3D1.2D-2D：对极约束2.三角测量3.3D-2D：PnP3.1直接线性变换DLT3.2P3P3.3最小化投影误差求解PnP4.3D-3D：ICP4.1SVD方法4.2非线性优化方法5.总结若已经有匹配好的点对，要根据点对估计相机的运动，可以分为以下三种情况：2D-2D：即点对都是2D点，比如单目相机匹配到的点对。我们可以用对极几何来估计相机的运动。在

LYF0816LYF·2025-02-27 21:27

【CodeBlocks】搭建OpenCV环境指南

OpenCV是一个开源的计算机视觉和机器学习软件库，广泛应用于图像处理和视频分析领域。通过这篇指南，即便是

万众珩·2025-02-27 20:18

Ollama本地私有化部署通义千问大模型Qwen2.5

目录Qwen2.5介绍Qwen2.5新闻Ollama介绍Linux安装Ollama一键安装Ollama手工安装Ollama卸载OllamaOllama运行Qwen2基于Transformers进行推理本文复现环境

ErbaoLiu·2025-02-27 20:17

注意力机制（Attention Mechanism）详细分类与介绍

注意力机制（AttentionMechanism）是近年来在深度学习中非常流行的一种技术，特别是在自然语言处理（NLP）、计算机视觉等任务中，具有显著的效果。

Jason_Orton·2025-02-27 20:46

推荐频道

视觉Transformer