计算机视觉目标检测第11页

基于深度学习的植物病害检测系统

深度学习技术，尤其是YOLO（YouOnlyLookOnce）模型，在图像识别和目标检测领域取得了显著的成果。

A等天晴·2025-02-05 14:06

学习笔记（1):Python+OpenCV计算机视觉-傅里叶变换的理论基础

立即学习:https://edu.csdn.net/course/play/10552/234966?utm_source=blogtoedu任何连续周期信号，可以由一组适当的正弦曲线组合而成时域-频域

小韩二子·2025-02-05 10:33

python里circle_Python OpenCV cv2.circle()用法及代码示例

OpenCV-Python是旨在解决计算机视觉问题的Python绑定库。cv2.circle()方法用于在任何图像上绘制圆。

weixin_39952074·2025-02-04 23:16

《AI赋能行业实战：‌揭秘企业数字化转型最佳实践，‌落地案例深度解析！‌》 ---- 总目录

物联网行业案例浅析智慧园区案例浅析计算机视觉应用案例计算机视觉入门学习国外的资源国内的资源YOLO学习modelzoo计算机视觉基础目标检测YOLOv5YOLOv8自动缺陷检测(AutoDefectClassification

shiter·2025-02-04 20:58

DeepSeek R1赋能智能建造：施工安全风险预判系统全栈开发实战与创新解析

DeepSeekR1智能分析系统通过融合计算机视觉、物联网传感技术和深度学习算法，构建了多维度的风险预警体系。本系统具备以下核心功能：实时视频监控分析（安全装备检测、危险区域入侵识别）设备状态

Coderabo·2025-02-04 20:55

【大模型应用开发动手做AI Agent】第二轮思考：模型决定计算

大模型应用开发动手做AIAgent】第二轮思考：模型决定计算关键词：大模型，AIAgent，模型决定计算，模型优化，计算优化，硬件加速，效率提升1.背景介绍随着深度学习技术的飞速发展，大模型在自然语言处理、计算机视觉等领域取得了突破性进展

AGI大模型与大数据研究院·2025-02-04 16:30

Paddle进阶实战系列（三）：基于SVTR算法的手写英文单词识别

‍作者简介：CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。

GoAI·2025-02-04 07:45

开源模型应用落地-DeepSeek-R1-Distill-Qwen-7B与vllm实现推理加速的正确姿势（一）

从自然语言处理到计算机视觉，从智能安防到医疗诊断，AI模型广泛应用于各个领域，人们对其准确性、稳定性和高效性的期望也与日俱增。在此背景下，DeepSeek模型的出现为行业带来了新的曙光。

开源技术探险家·2025-02-04 05:54

一篇文章了解AI大神何凯明

何凯明（KaimingHe）是一位在国际计算机视觉和深度学习领域享有盛誉的科学家。以下是对他的一些详细介绍：个人背景：何凯明出生于中国，后赴美国深造。

Ai知识精灵·2025-02-04 02:04

基于深度学习的物体分割技术：从理论到实践

1.引言物体分割（ObjectSegmentation）是计算机视觉中的一项核心任务，其目标是将图像中的不同物体或区域分离出来，通常分为语义分割和实例分割两种类型。

人工智能_SYBH·2025-02-04 01:57

OpenCV图像旋转90度的最简单方法

OpenCV是一个功能强大的计算机视觉库，提供了许多图像处理和计算机视觉算法。在OpenCV中，图像旋转是一项常见的操作。本文将介绍如何使用OpenCV将图像旋转90度的最简单方法。

时光荏苒-·2025-02-03 23:08

目标检测的超级英雄：YOLO带你识别世界

前言YOLO（YouOnlyLookOnce）是计算机视觉领域一颗璀璨的明星，它以高效、快速著称，成为目标检测算法的代表。今天，我们一起走进YOLO的世界，看看它如何神奇地识别图像中的物体。

星际编程喵·2025-02-03 22:32

打架检测系统：基于YOLOv5的实时人群打架行为识别

通过深度学习技术，尤其是基于YOLOv5的目标检测，我们能够对实时视频流中的人群行为进行实时监控，并有效地检测和识别人群中的打架行为。

2025年数学建模美赛·2025-02-03 21:56

深度学习目标检测中的_单目测距原理与实现关键点及改进建议

深度学习目标检测中的_单目测距原理与实现关键点及改进建议文章目录单目测距的进一步解释1.焦距的确定2.物体宽度\(W\)的获取3.图像处理技巧4.提高性能的建议5.实现代码中的注释添加一、前言单目视觉测距

QQ_767172261·2025-02-03 21:24

Python 图像处理进阶：特征提取与图像分类

特征提取特征提取是计算机视觉中的一个重要环节，它可以从图像中提取出有助于后续处理的特征，比如用于识别和分类的关键点、纹理等。常见的特征提取方法包括SIFT、SURF和ORB等。

极客代码·2025-02-03 21:23

1、PyTorch 简介

Torch是以Lua语言为基础，在2002年左右就开始逐渐发展起来，在计算机视觉、自然语言处理等领域有一定的应用。o

找个栗子·2025-02-03 19:10

OpenCV在Python 3.6中的安装与应用教程

本文还有配套的精品资源，点击获取简介：OpenCV是一个功能丰富的计算机视觉库，适用于图像处理和分析。本文将介绍如何在Python3.6环境下安装和使用OpenCV，包括处理网络安装困难时的替代方案。

北海有座岛·2025-02-03 19:35

无需标定板！Galibr：无需目标的LiDAR相机外参标定新方法

文末附行业细分群扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程(星球成员免费学习)、最新顶会论文、3D视觉最新模组、3DGS系列(视频+文档)、计算机视觉书籍

计算机视觉工坊·2025-02-03 16:08

DeepSeek：开启智能搜索与AI发展的新纪元

一、DeepSeek简介DeepSeek由杭州深度求索人工智能基础技术研究有限公司推出，是一款集自然语言处理（NLP）、计算机视觉（CV）、强化

gs80140·2025-02-03 08:08

计算机视觉领域的轻量化模型——GhostNet 模型

GhostNet模型详解GhostNet是一个高效的轻量化卷积神经网络模型，专为资源受限的设备（如移动设备和嵌入式系统）设计。它的核心创新是Ghost模块，该模块通过生成更多的特征图来减少计算资源消耗。GhostNet适用于实时计算任务，如图像分类和物体检测，同时在保持较高准确率的基础上，优化了计算效率。目录GhostNet背景Ghost模块概述GhostNet网络架构Ghost模块的数学原理Gh

DuHz·2025-02-03 04:05

计算机视觉：解锁智能时代的钥匙与实战案例

计算机视觉：解锁智能时代的钥匙与实战案例在人工智能的浩瀚星空中，计算机视觉无疑是最为璀璨的星辰之一。

我的运维人生·2025-02-03 01:07

CNN的各种知识点（五）：平均精度均值（mean Average Precision, mAP）

meanAveragePrecision,mAP）概念：计算步骤：具体例子：重要说明：典型值范围：总结：好的，我将分两部分详细解答您的问题：1.平均精度均值（meanAveragePrecision,mAP）概念：mAP是目标检测中最常用的评估指标

墨绿色的摆渡人·2025-02-02 22:50

Python从0到100（八十一）：神经网络-Fashion MNIST数据集取得最高的识别准确率

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·2025-02-02 22:19

500多种目标检测数据集下载地址汇总（YOLO、VOC）

名称辣椒病害分类数据集9076张12类别.7z【目标检测数据集】光伏电池异常检测数据集VOC+YOLO格式219张2类别_2.zip【目标检测数据集】钢丝绳破损灼伤缺陷检测数据集VOC+YOLO格式1318

2401_85863780·2025-02-02 21:10

2024年开源数据集地址汇总包含最新最全数据集在这你可以找到任何想要数据集

目标检测数据集和图像分类数据集是计算机视觉领域的两大重要资源，它们为训练和评估各种视觉模型提供了关键的数据支持。目标检测数据集主要用于训练模型以识别和定位图像中的特定物体。

萌萌哒240·2025-02-02 21:10

AI：180-如何利用Python进行图像处理和计算机视觉任务

正在不断更新中~一.探索Python在图像处理和计算机视觉任务中的应用随着人

一键难忘·2025-02-02 16:09

yolo是什么，有什么优缺点以及YOLO的应用场景？

“YOLO”在计算机视觉和深度学习领域是一个特定的算法框架，全称是“YouOnlyLookOnce”。

cesske·2025-02-02 11:57

人机交互：面部识别_14.面部识别在虚拟现实和增强现实中的应用

通过摄像头捕捉用户的面部图像，使用计算机视觉算法识别出用户的表情，如微笑、惊讶、愤怒等，虚拟角色可

zhubeibei168·2025-02-02 10:24

YOLOv10改进策略【Neck】| NeurIPS 2023 融合GOLD-YOLO颈部结构，强化小目标检测能力

一、本文介绍本文主要利用GOLD-YOLO中的颈部结构优化YOLOv10的网络模型。GOLD-YOLO颈部结构中的GD机制借鉴了全局信息融合的理念，通过独特的模块设计，在不显著增加延迟的情况下，高效融合不同层级的特征信息。将其应用于YOLOv10的改进过程中，能够使模型更有效地整合多尺度特征，减少信息损失，强化对不同大小目标物体的特征表达，从而提升模型在复杂场景下对目标物体的检测精度与定位准确性。

Limiiiing·2025-02-02 10:50

YOLOv10改进策略【Neck】| HS-FPN：高级筛选特征融合金字塔，加强细微特征的检测

一、本文介绍本文将HS-FPN结构融入YOLOv10以优化目标检测网络模型。HS-FPN借助通道注意力机制及独特的多尺度融合策略，有效应对目标尺寸差异及特征稀缺问题。

Limiiiing·2025-02-02 10:49

基于 YOLOv8+PyQt5 的无人机红外目标检测系统：开启智能监测新时代

基于YOLOv8+PyQt5的无人机红外目标检测系统：开启智能监测新时代【毕业与课程大作业参考】基于yolov8+pyqt5界面自适应的无人机红外目标检测系统demo.zip资源-CSDN文库在科技飞速发展的今天

人工智能教学实践·2025-02-02 09:16

深度学习的应用场景及常用技术

1.应用场景1.计算机视觉图像分类描述：对图像中的内容进行分类，识别出图像中物体所属的类别。

eso1983·2025-02-02 06:19

【3D目标检测】YOLO3D 基于图像的3D目标检测算法

参考文档：https://ruhyadi.github.io/project/computer-vision/yolo3d/代码：https://github.com/ruhyadi/yolo3d-lightning本次分享将会从以下四个方面展开：物体检测模型中的算法选择单目摄像头下的物体检测神经网络训练预测参数的设计模型训练与距离测算1.物体检测模型中的算法选择物体检测（ObjectDetect

BILLY BILLY·2025-02-01 23:40

Python-OpenCV实现运动物体检测

Python-OpenCV实现运动物体检测运动物体检测是计算机视觉领域中的一个重要任务，它可以帮助我们识别并跟踪视频中的运动物体。

HackDyno·2025-02-01 20:47

OpenCV中投影变换的代码实现

目录引言技术背景变换过程完整代码展示运行结果引言投影变换是计算机视觉和图像处理领域中常用的技术之一。

AI_dataloads·2025-02-01 20:46

NameError: name ‘opencv‘ is not defined

如果你想使用OpenCV进行计算机视觉任务，你需要确保正确安装和导入opencv-python库。下面是一些步骤，帮助你解决这个问题。1.安装OpenCV首先，确保你已经安装了OpenCV库。在

两京一十三省的希望·2025-02-01 17:20

python图像差分法目标检测_OpenCV实现帧差法检测运动目标

今天的目标是用OpenCV实现对运动目标的检测，这里选用三帧帧差法。代码如下：#include#include#include#include#includedoubleThreshold_index=0;constintCONTOUR_MAX_AERA=200;voidtrackbar(intpos){Threshold_index=(double)pos;}intmain(intargc,ch

weixin_39708854·2025-02-01 16:11

深度学习模型在汽车自动驾驶领域的应用

典型模型：YOLO：实时目标检测，低延迟特性适合自动驾驶。MaskR-CNN：结合检测与像素级分割，用于精确场景理解

eso1983·2025-02-01 12:37

基于深度学习的大规模模型训练

基于深度学习的大规模模型训练涉及训练具有数百万甚至数十亿参数的深度神经网络，以处理复杂的任务，如自然语言处理、计算机视觉和语音识别。

SEU-WYL·2025-02-01 07:56

【YOLO11改进 - Backbone主干】LSKNet：旋转目标检测新网络,通过DW卷积核和空间选择机制来动态调整目标的感受野

YOLOv11目标检测创新改进与实战案例专栏文章目录：YOLOv11创新改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLOv11目标检测创新改进与实战案例文章目录

YOLO大师·2025-02-01 04:34

YOLOv10改进策略【卷积层】| ICCV-2023 LSK大核选择模块包含二次独家创新

一、本文介绍本文记录的是利用大核选择模块LSK优化YOLOv10的目标检测网络模型。在大尺寸图像中的小目标检测任务中，一直是个难题，无法仅基于外观实现较好的识别，因此需要广泛的上下文信息进行辅助。

Limiiiing·2025-02-01 04:03

YOLOv10改进，YOLOv10检测头融合DynamicHead，添加小目标检测层（四头检测）+CA注意机制，全网首发

摘要作者提出一种新的检测头，称为“动态头”，旨在将尺度感知、空间感知和任务感知统一在一起。如果我们将骨干网络的输出（即检测头的输入）视为一个三维张量，其维度为级别×空间×通道，这样的统一检测头可以看作是一个注意力学习问题，直观的解决方案是对该张量进行全自注意力机制的构建。然而，直接在所有维度上学习注意力函数过于困难，且计算成本过高。因此，作者提出通过分别在特征的每个特定维度上部署注意力机制，即在级

挂科边缘·2025-02-01 04:30

基于深度学习的行人检测与识别系统：YOLOv5、YOLOv8、YOLOv10与UI界面的实现

引言行人检测与识别技术作为计算机视觉领域的一个重要应用，广泛应用于智能监控、自动驾驶、公共安全等多个领域。

2025年数学建模美赛·2025-02-01 03:25

基于深度学习的行人检测识别系统：YOLOv8 + UI界面 + 数据集完整实现

1.引言行人检测与识别是计算机视觉中的一个重要领域，广泛应用于安防监控、智能交通、自动驾驶等多个领域。传统的行人检测方法面临着许多挑战，如低光照、复杂背景、遮挡等问题。

2025年数学建模美赛·2025-02-01 03:55

Python从0到100（八十六）：神经网络-ShuffleNet通道混合轻量级网络的深入介绍