语义分割

RAG实战指南 Day 11：文本分块策略与最佳实践

【RAG实战指南Day11】文本分块策略与最佳实践文章标签RAG,检索增强生成,文本分块,语义分割,文档处理,NLP,人工智能,大语言模型文章简述文本分块是RAG系统构建中的关键环节，直接影响检索准确率

在未来等你·2025-07-09 22:01

语义分割模型的轻量化与准确率提升研究

语义分割模型的轻量化与准确率提升研究1.引言语义分割是计算机视觉领域的核心任务之一，它要求模型为图像中的每个像素分配一个类别标签。

pk_xz123456·2025-07-09 12:28

初始CNN(卷积神经网络)

卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）作为深度学习的重要分支，在图像识别、目标检测、语义分割等领域大放异彩。

超龄超能程序猿·2025-07-06 21:04

ConvNeXT：面向 2020 年代的卷积神经网络

然而，vanillaViT在应用于目标检测、语义分割等通用计算机视觉任务时面临困难。

·2025-07-06 01:32

Python机器学习实战——逻辑回归（附完整代码和结果）

关于作者作者：小白熊作者简介：精通c#、Halcon、Python、Matlab，擅长机器视觉、机器学习、深度学习、数字图像处理、工业检测识别定位、用户界面设计、目标检测、图像分类、姿态识别、人脸识别、语义分割

小白熊XBX·2025-07-04 23:36

ResNet（Residual Network）

它通过引入残差连接（SkipConnection）解决了深度神经网络中的梯度消失问题，使得网络可以训练极深的模型（如上百层），并在图像分类、目标检测、语义分割等任务中取得了突破性成果。

不想秃头的程序·2025-06-28 16:00

【深度学习加速探秘】Winograd 卷积算法：让计算效率 “飞” 起来

从“卷积计算瓶颈”说起在深度学习领域，卷积神经网络（CNN）被广泛应用于图像识别、目标检测、语义分割等任务。然而，卷积操作作为CNN的核心计算单元，其计算量巨大，消耗大量的时间和计算资源。

heimeiyingwang·2025-06-25 01:04

基于深度学习的智能图像语义分割系统：技术与实践

前言图像语义分割是计算机视觉领域中的一个重要任务，其目标是将图像中的每个像素分配到预定义的语义类别中。这一技术在自动驾驶、医学影像分析、机器人视觉等多个领域有着广泛的应用。

Blossom.118·2025-06-23 00:24

[论文阅读]PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers

1.摘要双分支网络结构已显示出其对实时语义分割任务的效率性和有效性。

颜笑晏晏·2025-06-18 08:16

【GitHub开源项目实战】DINOv2 自监督视觉模型深度解构：多任务零微调性能与多分辨率表征架构解析

DINOv2自监督视觉模型深度解构：多任务零微调性能与多分辨率表征架构解析关键词DINOv2、自监督视觉模型、ViT、多分辨率表示、语义分割、深度估计、Zero-shot、图像表示学习、OpenCLIP

观熵·2025-06-17 01:15

python批量修改xml文件

爱上答复·2025-06-16 21:19

鸿蒙开发实战之Image Kit重构美颜相机图像处理管线

ImageKit实现三大技术革新：硬件加速处理4K图像处理延迟降至16ms（NPU+GPU协同）支持10bitHDR管线（BT.2020色域）AI增强算法实时皮肤质感分析（98%毛孔保留率）智能背景重构（语义分割精度

·2025-06-16 17:27

【语义分割专栏】3：Segnet原理篇

文章目录前言背景介绍Segnet核心剖析池化索引(poolingIndices)其他细节编码器解码器的对称结构Segnet模型代码结语参考资料前言本篇文章收录于语义分割专栏，如果对语义分割领域感兴趣的，

fouen·2025-06-10 09:32

COCO-Stuff数据集：基于YOLOv5的多类别目标检测与分割实现

一、引言随着计算机视觉领域的不断发展，目标检测和语义分割已经成为深度学习中的两个关键任务。COCO-Stuff是一个包含多达172个类别的大型数据集，用于训练和评估计算机视觉算法。

YOLO实战营·2025-06-08 03:03

深度学习之路——CNN卷积神经网络详解

无论是图像分类、目标检测，还是语义分割、自动驾驶，CNN几乎无处不在。本文将带你系统了解CNN的基本原理、结构组成、常用网络、应用场景及简单代码实现。1.什么是CNN？

DeepLinkDeepLink·2025-06-05 13:08

【仿生系统】qwen的仿生机器人解决方案

以下是分阶段实施方案：一、核心系统架构设计（模块化可进化架构）1.多模态感知引擎-视觉子系统：YOLOv8+SAM组合实现实时物体检测+场景语义分割-听觉子系统：Whisper+SpeakerEmbedding

DFminer·2025-06-03 04:39

相机--RGB相机

核心作用：2D视觉任务：目标检测、图像分类、语义分割（如YOLO、ResNet）。优点：成本低：单传感器，硬件简单（如普通手机摄像头）。缺点：无深度信息：需额外算法或传感器获取3D数据。

猿饵块·2025-06-02 15:27

自动驾驶可行驶区域划分综述

可行使区域划分1.数据采集与融合的深度解析1.1传感器类型与数据特性1.2多传感器融合方法2.环境感知与特征提取的细节2.1车道线检测技术2.2道路边界识别2.3障碍物检测与区域划分3.可行驶区域划分的实现3.1语义分割与几何建模

吃旺旺雪饼的小男孩·2025-06-02 10:26

深度学习在建筑物提取中的应用综述

深度学习在建筑物提取中的应用综述目录深度学习在建筑物提取中的应用综述@[toc](目录)深度学习在建筑物提取中的应用综述一、建筑物提取简介二、深度学习方法分类1.语义分割（SemanticSegmentation

一瞬祈望·2025-05-29 03:59

使用paddleX进行目标检测详解

前言使用百度开源的paddleX工具，我们可以很容易快速训练出使用我们自己标注的数据的目标检测，图像分类，实例分割，语义分割的深度网络模型，本文，主要记录如何全流程使用pddleX来训练一个简单用于检测猫狗

狸不凡·2025-05-29 00:12

高精地图与SLAM：依赖停车场高精地图提供结构信息，结合SLAM（同步定位与地图构建）技术实现实时定位与导航

技术在停车场场景中的结合应用主要体现在以下几个方面：1.SLAM的实时定位与增量地图构建SLAM技术通过激光雷达、摄像头、IMU等传感器实时采集环境特征（如停车场内的柱子、停车线、减速带等），并利用算法（如GraphSLAM、EKF、视觉语义分割

百态老人·2025-05-26 03:46

PaddleX 使用案例

以下是PaddleX的典型使用案例，涵盖图像分类、目标检测和语义分割三大场景，展示其从数据准备到模型部署的全流程：案例1：图像分类-垃圾分类识别场景：识别可回收垃圾、有害垃圾、厨余垃圾和其他垃圾四类图片

非小号·2025-05-24 12:55

飞桨（PaddlePaddle）在机器学习全流程（数据采集、处理、标注、建模、分析、优化）

在机器学习全流程（数据采集、处理、标注、建模、分析、优化）中常用的模型、函数及工具链，结合其生态特点分类说明：一、数据采集与标注1.数据采集工具PaddleX（图像/视频场景）功能：支持图像分类、目标检测、语义分割任务的数据标注

非小号·2025-05-24 11:50

基于RGB与多光谱图像的农田语义分割技术研究及应用

本文以无人机搭载中达瑞和S810多光谱相机为技术载体，结合深度学习算法，提出单模态与多模态融合的农田语义分割方法。

中达瑞和-高光谱·多光谱·2025-05-23 17:41

动态神经网络(Dynamic NN)在边缘设备的算力分配策略：MoE架构实战分析

动态负载波动视频流分辨率从480p到4K实时变化，帧率波动范围20-60FPS能效约束设备功耗需控制在15W以内（被动散热）多任务耦合典型场景需同步处理：目标检测（YOLOv8s）行为识别（SlowFast）语义分割

学术猿之吻·2025-05-23 05:52

Mobile-Seed：联合语义分割和边缘检测

点击下方卡片，关注「3D视觉工坊」公众号选择星标，干货第一时间送达来源：3D视觉工坊添加小助理：dddvision，备注：语义分割，拉你入群。

3Ｄ视觉工坊·2025-05-20 06:17

YOLO11改进-注意力-引入通道压缩的自注意力机制CRA

在语义分割任务中存在MetaFormer架构应用局限于自注意力计算效率低的问题。为解决这些问题，提出提出CRA模块。

一勺汤·2025-05-20 01:43

深度学习直接缝了别的模型，在论文中这种创新点应该如何描述呢？

多模态的目标检测/语义分割/目标

深度学习入门·2025-05-19 14:54

遥感深度学习——基于deeplabv3+和GID数据集（1）

DeepLabV3+是由谷歌提出的一种用于图像语义分割的深度学习模型。它在DeepLabV3的基础上，加入了编码器-解码器结构，以提高分割结果的边缘细节和空间分辨率。

全域智图·2025-05-18 05:07

【前沿热点顶会】CVPR 2025和目标分类、检测、分割、重识别有关的论文

为此，我们尝试将开放词汇语义分割（OVSS）引入遥感环境中。然而，由于遥感图像对低分辨率特

平安顺遂事事如意·2025-05-14 06:07

FCN改进：CBAM注意力机制增强FCN-ResNet50分割模型

1.介绍在这篇博客中，我将详细介绍一个结合了CBAM(ConvolutionalBlockAttentionModule)注意力机制的FCN-ResNet50语义分割模型的实现代码。

听风吹等浪起·2025-05-13 11:30

从代码学习深度学习 - 语义分割和数据集 PyTorch版

文章目录前言什么是语义分割？

飞雪白鹿€·2025-05-11 20:13

DeepLabv3+改进32:在主干网络中添加KANConv2DLayer|

探索语义分割新高度】你是否在为图像分割的精度与效率发愁？

AICurator·2025-05-10 22:24

语义分割常用模型

VGG-Unetimporttorchimporttorch.nnasnn#定义一个通用的卷积块classConvBNReLU(nn.Sequential):def__init__(self,in_channels,out_channels,kernel_size=3,padding=1):super(ConvBNReLU,self).__init__(nn.Conv2d(in_channels,

jmxer·2025-05-10 15:39

基于Partial Cross Entropy的弱监督语义分割实战指南

一、问题背景：弱监督学习的挑战在计算机视觉领域，语义分割任务面临最大的挑战之一是**标注成本**。以Cityscapes数据集为例，单张图像的像素级标注需要约90分钟人工操作。

Loving_enjoy·2025-05-09 21:09

深度解析语义分割评估指标：从基础到创新实践

这些真实案例揭示了语义分割评估指标的关键作用。本章将带您深入理解指标背后的数学原理与实践价值。

Loving_enjoy·2025-05-09 10:56

计算机视觉笔记第三章：目标检测

计算机视觉笔记：第一章图像分类-CSDN博客计算机视觉笔记第二章图像语义分割-CSDN博客计算机视觉笔记第三章：目标检测-CSDN博客计算机视觉第四章：图像识别、目标跟踪-CSDN博客计算机视觉第五章多目视觉

唐风绸繆·2025-05-03 18:27

卷积神经网络（CNN）的主要架构

卷积神经网络（CNN,ConvolutionalNeuralNetworks）是深度学习中最重要的模型之一，广泛应用于计算机视觉、目标检测、语义分割等任务。

彩旗工作室·2025-05-02 07:31

【计算机视觉】-CV实战项目-高分辨率遥感图像语义分割：High-Resolution-Remote-Sensing-Semantic-Segmentation

高分辨率遥感图像语义分割技术解析与实战指南项目背景与意义核心技术解析1.**膨胀预测（DilatedPrediction）**2.**后处理优化**3.

白熊188·2025-04-28 11:42

AI图像分割总汇

图像分割模型总览图像分割可以按任务类别划分为：一、按任务类型分类任务类型描述1.语义分割(SemanticSegmentation)为每个像素赋予一个语义标签（如人、车、背景），不区分实例。

点云SLAM·2025-04-26 19:25

BEVDet: High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View

背景在自动驾驶场景下，以往工作是目标检测任务用图像视角做，语义分割用BEV视角做。

butterfly won＇t love flowers·2025-04-23 14:42

python-图片分割

在Python中，常用的图片分割方法包括传统的图像处理技术（例如阈值分割、区域生长等）和深度学习技术（例如基于预训练模型的语义分割或实例分割）。

Enougme·2025-04-23 03:33

DeepLabv3+训练自己的数据集指南

DeepLabv3+是一种强大的语义分割模型，以下是训练自己数据集的完整步骤：1.准备数据集数据要求输入图像（如JPG/PNG格式）对应的标注图像（PNG格式，每个像素值代表类别ID）标注注意事项标注图像应为单通道

reset2021·2025-04-22 10:15

旋转目标检测：FCOS: Fully Convolutional One-Stage Object Detection【方法解读】

FCOS:全卷积单阶段目标检测我们提出了一种全卷积单阶段目标检测器（FCOS），以逐像素预测的方式解决目标检测问题，类似于语义分割。

沉浸式AI·2025-04-19 21:31

深度学习在自动驾驶中的应用已渗透到感知、决策、控制等核心环节，以下从技术实现与场景落地的角度进行系统性分析

语义分割：通过全卷积网络（FCN）或U-Net对图像进行像

码力金矿·2025-04-19 09:14

下一代视觉Transformer：CNN+Transformer=Better

在实际应用中，CNN+Transformer的混合模型已经在图像分类、目标检测、语义分割等多个计算机视觉任务中取得了显著成果。例如，在图像分类

Ai多利·2025-04-19 03:08

4月18日复盘

随着算力的提升，深度学习可以处理图像，文本，音频，视频等各种内容，主要应用领域有：图像处理：分类、目标检测、图像分割（语义分割）自然语言处理：LLM、NLP、Transformer语音识别：对话

四万二千·2025-04-18 19:13

机器学习笔记 - labelme标注工具使用

简介在自己的数据集上进行语义分割最基础的一步便是对图像进行标注，以训练得到自己的模型，标注是一个比较繁琐的活，所以需要一个好的标注工具。

坐望云起·2025-04-15 10:25

SynTIDE：首个基于文本生成水下图像与密集注释数据集

该方法仅依赖文本输入，就能同时生成逼真的水下图像和多种高度一致的密集注释（如深度图和语义分割掩码）。

·2025-04-11 16:16

【最新综述】基于伪标签的半监督语义分割

Semi-SupervisedSemanticSegmentationBasedonPseudo-Labels:ASurvey摘要：语义分割是计算机视觉领域的一个重要而热门的研究领域，其重点是根据图像中像素的语义对其进行分类

AI_Med·2025-04-10 22:41

推荐频道