计算机视觉标签_AI大模型技术社区

计算机视觉

maswmx.dll masterdetailswebservice.dll masterdetailsservice.dll massync.dll massive.dll massing

以上只是通用的运行库dll处理方式，如果你遇到缺失文件是第三方的软件文件，那么就需要下载到属于这个程序所匹配的版本的文件，然后将这个文件复制到这个程序的安装目录下才能解决问题。如果我们遇到关于文件在系统使用过程中提示缺少找不到的情况，如果文件是属于运行库文件的可以单独下载文件解决，但还是建议安装完整的运行库，可以尝试采用手动下载替换的方法解决问题！文件下载完成后，下方列表会有很多个不同版本的文件，

Licknono
2025-10-13 21:55:48

 737

 16

#microsoft #计算机视觉 #visual studio +2
SAM 3震撼发布！即将引爆CV圈！！！

Meta AI发布SAM3，实现分割技术重大突破。这一革命性模型不仅能根据点击分割目标，更能理解"概念"提示，通过简单名词短语或图像示例即可分割所有匹配对象。SAM3创新性地采用"识别-定位解耦"架构，引入存在头提升检测精度，并构建包含400万独特概念的大规模数据集SA-Co。实验显示，其在图像和视频分割任务上性能达前代2倍，交互效率显著提升，支持与多模态大

 a辉辉
2025-10-13 17:07:01

 2328

 10

#计算机视觉 #人工智能
语音技术在交通行业的赋能应用：从交互革命到智能变革

在地铁站、公交枢纽，类似西安机场的“小畅”AI问询机器人，能够通过语音识别与文本转语音技术与旅客进行自然对话，解答关于线路、票价、换乘、首末班车时间等。：在运营调度、数据录入、乘客问询等环节，实现了信息的快速录入、流转与反馈，显著提升了整个交通系统的运营效率与人力资源利用率。：实现了业务流程的自动化与数字化，生成了大量可分析的结构化数据，为后续的线网优化、运力调配、服务改进提供了科学的数据支撑。语

 matlab_python22
2025-10-11 14:03:51

 735

 5

#交互 #人工智能 #计算机视觉 +1
【南昌航空大学主办 | SPIE出版，连续4届均已见刊并完成已完成EI、SCOPUS检索 | 英文普刊征稿】第五届计算机图形学、人工智能与数据处理国际学术会议 (ICCAID 2025)

第五届计算机图形学、人工智能与数据处理国际学术会议（ICCAID 2025）将于 2025年10月31日-11月2日在中国南昌举行。本次会议主要围绕“计算机图形学、人工智能与数据处理”的最新研究展开，旨在荟聚世界各地该领域的专家、学者、研究人员及相关从业人员，分享研究成果，探索热点问题，交流新的经验和技术。

艾思科蓝 AiScholar
2025-10-11 14:02:20

 582

 15

#人工智能 #计算机视觉 #数据结构 +2
预训练模型简介

预训练模型预训练模型把迁移学习很好地用起来了，让我们感到眼前一亮。这和小孩子读书一样，一开始语文、数学、化学都学，读书、网上游戏等，在脑子里积攒了很多。当他学习计算机时，实际上把他以前学到的所有知识都带进去了。如果他以前没上过中学，没上过小学，突然学计算机就不懂这里有什么道理。这和我们预训练模型一样，预训练模型就意味着把人类的语言知识，先学了一个东西，然后再代入到某个具体任务，就顺手了，就是这么一

 心之所向521
2021-11-25 12:37:25

 1.2w

 15

#python #人工智能 #机器学习 +1
AI绘画最强工具：集成所有国内外主流大模型AI绘画能力文生图、图生图、图修复和超分辨率能力。

AI绘画最强工具：集成了所有国内外主流大模型AI绘画能力，快来体验强大的文生图、图生图、超分辨率、风格迁移和文本生成能力。

xiaojun11236
2022-10-18 14:26:03

 5661

 1

#人工智能 #深度学习 #python +1
人工智能内容生成元年—AI绘画原理解析

AIGC元年达到了学术-商业共振，本文介绍现有AI绘画、AI作画背后的相应基本原理、应用、以及论文参考文献。

AI记忆
2022-12-03 22:27:33

 2.2w

 39

#人工智能 #AI作画 #计算机视觉
拟合圆算法源码(商业)

2、执行fitCircle算法。3、输出圆心(x,y)及半径r。

林中青木
2023-08-21 10:25:04

 426

#算法 #计算机视觉 #图像处理 +1
open cv学习（十）图形检测

【代码】open cv学习（十）图形检测。

计算机小混子
2023-08-19 19:12:55

 2189

 1

#学习 #opencv #计算机视觉
本科生学计算机视觉--目标跟踪（了解篇资源分享）

机器学习、计算机视觉资源分享

 jorcy3
2023-08-17 19:50:47

 723

 5

#计算机视觉 #人工智能 #深度学习 +1
【计算机视觉 | 目标检测 | 图像分割】arxiv 计算机视觉关于目标检测和图像分割的学术速递（8 月 7 日论文合集）

【计算机视觉 | 目标检测 | 图像分割】arxiv 计算机视觉关于目标检测和图像分割的学术速递（8 月 7 日论文合集）

旅途中的宽~
2023-08-14 10:44:57

 813

#计算机视觉 #目标检测 #人工智能
【计算机视觉 | 目标检测】arxiv 计算机视觉关于目标检测的学术速递（8 月 8 日论文合集）

【计算机视觉 | 目标检测】arxiv 计算机视觉关于目标检测的学术速递（8 月 8 日论文合集）

旅途中的宽~
2023-08-14 11:19:53

 905

#计算机视觉 #目标检测 #人工智能
【图像分类】CNN + Transformer 结合系列.4

介绍两篇利用Transformer做图像分类的论文：CoAtNet（NeurIPS2021），ConvMixer（ICLR2022）。CoAtNet结合CNN和Transformer的优点进行改进，ConvMixer则patch的角度来说明划分patch有助于分类。

m0_61899108
2023-08-09 16:23:26

 8216

 1

#cnn #transformer #人工智能 +1
AIGC专栏4——Stable Diffusion原理解析-inpaint修复图片为例

Inpaint是Stable Diffusion中的常用方法，一起简单学习一下。Inpaint是一项图片修复技术，可以从图片上去除不必要的物体，让您轻松摆脱照片上的水印、划痕、污渍、标志等瑕疵。一般来讲，图片的inpaint过程可以理解为两步：1、找到图片中的需要重绘的部分，比如上述提到的水印、划痕、污渍、标志等。2、去掉水印、划痕、污渍、标志等，自动填充图片应该有的内容。

Bubbliiiing
2023-08-06 21:00:39

 3.1w

 67

#pytorch #计算机视觉
图像的比特平面分层

比特平面分层（Bit-Plane Slicing）是一种在图像处理中常用的技术，它涉及将图像的像素值表示拆分成不同的二进制位平面。这些平面可以分别表示图像中的不同特征或信息，从而在图像分析、增强和压缩等方面提供了有用的工具。对于一幅灰度图像，每个像素点的像素值可以用8位二进制数表示（通常在0到255的范围内）。比特平面分层是将这些8位二进制数拆分成8个独立的平面，每个平面对应于一个特定的二进制位。

make_magic
2023-08-07 20:27:46

 2370

#计算机视觉 #人工智能 #opencv +1
OpenCV中图像变换

OpenCV中图像变换解释说明

 Goodness2020
2023-08-03 17:31:50

 1219

#opencv #人工智能 #计算机视觉
神经网络的搭建与各层分析

卷积层、最大池化层、非线性激活函数、神经网络模型、损失函数、优化器

 半自定义大剑仙
2023-08-03 22:01:03

 1060

#神经网络 #深度学习 #计算机视觉
[数据集][目标检测]遛狗不牵绳数据集VOC格式-1980张

数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)重要说明：qs_yes表示牵狗系狗绳，只有人狗都存在时候才会标注，qs_no表示牵狗没系狗绳，只有人狗都存在时候才会标注，标注类别名称:["dog","person","rope","qs_yes","qs_no"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证

 FL1623863129
2023-08-03 16:26:36

 2261

 1

#目标检测 #人工智能 #计算机视觉
应用机器学习的建议（六）

在模型选择那里讲到我们用训练集计算了特征参数，然后把特征参数放进损失函数，在测试集中寻找损失函数的最优值，有一个和上述箭头一样的疑问：为什么不在训练集中寻找模型呢？:::info通常情况下，超参数的选择是在交叉验证集上进行的，而不是在训练集上进行。超参数是在机器学习算法中设置的参数，而不是由模型自动学习得到的。它们决定了模型的结构和学习过程，例如学习率、正则化参数、网络层数等。选择合适的超参数对于

 水枂
2023-08-01 23:16:32

 1427

#机器学习 #人工智能 #计算机视觉
十五章：使用类别峰值响应的弱监督实例分割

在本文中，我们提出了一种简单而有效的技术，可以使分类网络能够进行实例掩码提取。基于类别峰值响应，峰值刺激对于增强目标定位非常有效，而峰值反向传播则提取了每个实例的细节丰富的视觉线索。我们展示了点级定位以及弱监督语义分割的最佳结果，并且据我们所知，首次报告了图像级监督的实例分割结果。其基本事实是实例感知线索自然地被卷积滤波器学习，并编码在分层响应图中。发现这些线索为弱监督实例级问题提供了新的见解。

Joney Feng
2023-07-28 17:57:33

 997

#计算机视觉 #深度学习 #人工智能 +4
Python - OpenCV实现摄像头人脸识别（亲测版）

我们使用detectMultiScale()方法检测每一帧中的所有人脸，并在每张脸上绘制一个矩形。在这里,需要用到haarcascade_frontalface_default.xml文件，这个文件在安装好的opencv目录下找到。在这里，您需要提供XML文件的路径，该文件包含用于检测人脸的特征。在这里，我们使用release()方法释放摄像头，并使用destroyAllWindows()方法关闭

 keenswords
2023-07-27 17:58:16

 8753

 4

#python #opencv #开发语言 +2
图像处理与计算机视觉基础，经典以及最近发展

************************************************************************************************************************************************************************************ 在这里，我

 StefanSalvatore
2016-06-22 11:29:45

 1925

#图像处理 #计算机视觉
上知天文，下知地理，还能替人写脚本！人工智能的进阶ChatGPT

以上都是网友测试它写出来的内容，但仔细一看，这些虽然有框架在，但基本上都是车轱辘话来回倒腾。但是，它有基于上下文进行多轮对话的能力，所以你可以不停地纠正它，给它新的示例来帮助它理解，一步步引导它和你共同完成目标。好了，以上就是我整理出来的关于ChatGPT出现对人们工作生活的一些影响，最后还是希望大家理性看待AI技术的发展，快乐生活，身体健康！整体上，还是可以接受它的这些基于NLP的内容生产能力的

 李白人工智能实验室
2022-12-09 11:49:48

 3339

#人工智能 #计算机视觉 #算法
详述人工智能在自动驾驶中的应用

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货来源：智车科技，编辑：Datawhale随着技术的快速发展云计算、...

Datawhale
2021-03-08 22:00:00

 1.2w

 5

#人工智能 #大数据 #编程语言 +2
智能文档处理黑科技，拥抱更高效的数字世界

文档图像智能分析与处理》高峰论坛围绕文档图像处理及OCR领域的前沿技术展开“头脑风暴”，共同交流文档图像分析与处理的前沿学术进展、在典型行业的规模化应用情况，并探讨未来技术及产业发展趋势。

Mr.Winter`
2023-05-22 08:51:07

 9556

 39

#科技 #人工智能 #机器学习 +1
探索AI图像安全，助力可信AI发展

图像作为信息传递的主要媒介之一，需要重点解决在人工智能的发展过程中利用 AI 进行图像造假的问题。针对这一问题，中国信息通信研究院(中国信通院) 2023 世界人工智能大会( WAIC 2023 )上举办了专门论坛，围绕着“多模态基础大模型的可信AI”主题进行讨论。在该论坛上，合合信息关于 AI 图像内容安全的技术方案引起了广泛的关注。本文将对人工智能发展及其面对的安全挑战进行简要介绍，并回顾在

 盼小辉丶
2023-07-17 07:07:02

 4.4w

 79

#人工智能 #安全 #计算机视觉
AIGC时代，我们如何使用“黑科技”，解决图像信息安全

在当今社会，图像是信息传播和表达的重要方式之一。但是，随着技术的进步，人们可以轻松使用各种图像编辑软件来篡改、伪造图片，制造出看似真实但实际上虚假的场景。这种现象无疑是给社会带来了一系列负面影响。首先，大量基于虚假图片产生的诈骗案件层出不穷。通过伪装成真实场景的虚假图片，不法分子能够欺骗受害者，获取他们的个人信息或财产，造成严重经济损失。其次，网络暴力事件也频繁出现。。这导致了社会的紧张局势和消极

 小威要向诸佬学习呀
2023-07-19 08:59:37

 3.6w

 65

#图像处理 #人工智能 #计算机视觉 +1