计算机视觉标签_亚马逊云科技技术品牌专区

计算机视觉

1740张土壤与木材表面颜色特征数据集，7个类别够不够训

YOLO土壤与木材表面颜色特征目标检测数据集聚焦于农业和林业领域中常见的材料表面缺陷检测任务，旨在为基于深度学习的图像识别提供高质量的标注数据支持。该数据集名称直接反映了其核心应用场景，即通过颜色特征对土壤和木材表面进行分类与定位，适用于农作物生长环境监测、木材质量评估以及自动化分拣等实际需求。数据集的设计充分考虑了工业场景中的复杂背景与多变光照条件，具备较强的现实应用价值。

guo_xiao_xiao_
2026-09-25 08:52:45

 167

 2

#目标跟踪 #人工智能 #计算机视觉
AOI / 工业视觉检测 —— 书籍推荐清单

针对 AOI 工业视觉检测方向遴选中外书籍资源。基础理论层面推荐 Gonzalez《数字图像处理》、Szeliski《计算机视觉算法与应用》及 Batchelor《机器视觉手册》；工业系统层面推荐余文勇《机器视觉自动检测技术》、张辉《工业机器视觉技术与应用》；缺陷检测专题推荐余建波《产品缺陷智能检测技术》、郑宏《表面缺陷视觉检测的深度学习技术》及 Mery《X 射线计算机视觉》。建议按"理论—系统

 weixin_43963563
2026-09-24 18:17:59

 244

 3

#视觉检测 #人工智能 #计算机视觉
军事飞机检测数据集 | 军事飞机细粒度识别目标检测 YOLO格式 VOC格式深度学习数据集计算机视觉航空器识别9110期

本数据集专注于军事飞机型号的视觉检测与识别，服务于军事航空研究、目标侦察及空域安全。数据涵盖34种经典军用飞机型号，从A10、B1、B2、B52到F22、F35等，适配细粒度目标检测、机型识别及航空器分类等任务。

鸭蛋粉
2026-09-23 19:15:00

 468

 6

#目标检测 #目标跟踪 #人工智能 +1
（论文速读）WaffleIron：不用稀疏 3D 卷积，也能做高性能车载点云语义分割

自动驾驶数据集中的点云语义分割要求模型高效处理大量点。稀疏 3D 卷积通过利用点云稀疏性降低内存与计算开销，已经成为这一任务中构建深度网络的事实标准。本文提出一种不依赖稀疏卷积的替代方案，并表明仅依靠看似并不适合大规模高性能 3D 感知的基础工具，也可以达到先进方法的性能水平。作者提出新的 3D Backbone——WaffleIron，它几乎完全由 MLP 和稠密 2D 卷积组成，并给出了在 S

LJ1147517021
2026-09-21 09:19:37

 947

 9

#计算机视觉 #人工智能
计算机视觉

【通用深度学习技术】├── 数据层面：图像增广(翻转、旋转、裁剪、亮/对比度/噪声调整。（防止过拟合)└── 模型层面：微调/迁移学习 (用于分类、检测、分割等任何任务)【特定任务：目标检测├── 核心概念1：边界框 (Bounding Box) - 描述“物体在哪”├── 核心概念2：交并比 (IoU) - 边框重叠程度└── 核心机制：锚框 (Anchor Box) - 一种“猜测物体位置”的

 冰淇淋代码
2025-12-23 08:56:59

 255

 2

#计算机视觉 #人工智能
Python 人工智能实战：智能边缘计算

文章浏览阅读332次。本文介绍了智能边缘计算的概念及其在图像分类任务中的应用

 2601_96229599
2026-09-16 00:16:29

 217

 1

#计算机视觉 #机器学习
基于matlab模板匹配的手写体数字识别【源码78期】

本系统基于结构特征匹配实现手写数字识别，通过图像归一化、二值化、细化后，利用8条扫描线与骨架交点数及端点数构建9维特征向量，结合模板库进行匹配识别。算法简洁高效，适用于邮政编码、表单录入等场景。但受限于低维特征与固定模板，对书写差异敏感，泛化能力不足。后续可引入高维特征与深度学习模型提升性能。

matlab代码
2026-09-15 17:35:20

 80

 1

#计算机视觉 #人工智能
基于主成分分析的人脸二维码识别【源码77期】

本系统基于PCA人脸特征提取与二维码编解码技术，实现人脸信息的降维存储与还原。通过构建PCA模型对人脸图像进行特征压缩，将低维特征向量编码为二维码，支持解码后重建人脸图像。系统集成GUI界面，完成从图像加载、特征提取、二维码生成到还原的全流程交互。实验验证了方法的可行性，但存在重建细节丢失、存储容量受限及缺乏量化评估等问题。后续可结合深度学习提升表达能力，并引入PSNR、SSIM等指标优化评价体系

 matlab代码
2026-09-15 17:34:38

 189

 3

#计算机视觉 #人工智能
电动汽车智能充电管理系统的设计与实现

本文设计并实现了一套基于Spring Boot与MySQL的电动汽车智能充电管理系统，旨在应对新能源汽车规模化发展带来的电网负荷压力与充电效率难题。系统融合物联网、大数据与AI算法，支持动态电价响应、有序充电及“源-网-荷-储”协同调控，提升电网灵活性与可再生能源消纳能力。通过智能调度优化资源分配，降低用户成本，改善充电体验，并具备良好的可扩展性，可服务于智慧交通与能源互联网建设，具有显著的经济、

xn19950718
2026-09-15 17:17:38

 79

#spring boot #后端 #java +4
AI-ISP微光全彩夜视技术深度解析：如何在0.001Lux下实现全彩成像

AI-ISP代表了超低照度成像领域的一次范式转换。它不是在传统ISP框架内的渐进式优化，而是用深度学习重新定义了图像处理的方式。随着专用AI芯片的算力持续提升和训练数据的不断积累，AI微光全彩的性能边界还将继续扩展。

AiNightVision
2026-09-15 15:35:16

 316

 3

#人工智能 #计算机视觉 #无人机 +4
《理解深度学习》第13章图神经网络读书笔记

图（Graph）由**节点（Node/Vertex）和边（Edge）**组成，记为GVEG = (V, E)GVE，其中VVV是节点集合，EEE是边集合。每条边连接两个节点，表示它们之间存在某种关系。无向图（Undirected Graph）：边没有方向，节点A和B之间的边表示双向关系。如社交网络中的好友关系。有向图（Directed Graph）：边有方向，从A指向B的边不一定有从B指向A的边。

啊阿狸不会拉杆
2026-09-15 14:47:09

 192

 3

#深度学习 #神经网络 #人工智能 +2
《理解深度学习》第8章性能评估读书笔记

本章系统阐述深度学习模型性能评估的核心方法。通过偏差-方差权衡理论，揭示误差来源：偏差反映模型拟合能力，方差体现对数据的敏感性。结合学习曲线诊断欠拟合与过拟合，提出降低误差的策略——增大数据或正则化降方差，提升模型复杂度降偏差。介绍训练/验证/测试集划分及K折交叉验证，实现超参数高效调优。强调评估指标需匹配任务需求，最终目标是在偏差与方差间找到平衡，实现最优泛化性能。

啊阿狸不会拉杆
2026-09-15 14:34:49

 271

 2

#深度学习 #神经网络 #人工智能 +2
渔船船只检测数据集 | 船只检测渔船识别拖船检测海事监管目标检测 YOLO格式深度学习数据集计算机视觉9076期

渔船船只检测数据集 | 船只检测渔船识别拖船检测海事监管目标检测 YOLO格式深度学习数据集计算机视觉9076期

 鸭蛋粉
2026-09-15 14:28:40

 333

 1

#计算机视觉 #目标检测 #深度学习 +1
dlib库人脸检测

dlib 的人脸检测功能在计算机视觉领域应用广泛，它提供了基于传统机器学习（HOG）和深度学习（CNN）的两种成熟方案，让开发者可以根据项目需求在速度和精度之间灵活选择。

jpfdsb
2026-09-15 12:54:12

 89

 1

#计算机视觉 #opencv
深度学习过拟合了怎么办？

最有效的办法永远是补真实数据——尤其针对表现最差、样本最少的那几个类别，补几十上百张实景图，泛化精度涨得比任何trick都猛。没条件补真实数据，就上数据增强：旋转、翻转、裁剪、颜色抖动，检测任务再加Mosaic和Mixup。别傻等训练跑满100个epoch，在验证loss出现拐点、连续几个epoch不降反升的地方，把当时的模型权重存下来，这就是泛化最好的那一版。参数（比如设10，10个epoch没

 我真的很帅阿
2026-09-15 12:37:14

 361

 1

#深度学习 #人工智能 #计算机视觉
AI-ISP vs 传统ISP全面对比

AI-ISP（人工智能图像信号处理器）正在重塑夜视成像的技术边界。本文从 ISP Pipeline 架构、降噪策略、色彩还原、动态范围、功耗、延迟六个维度，系统对比 AI-ISP 与传统 ISP 的差异，并通过 0.001Lux 极微光环境下的实测数据给出量化结论。适合图像算法工程师、夜视设备选型人员和嵌入式开发者阅读。

Zentceh
2026-09-14 13:55:02

 490

 2

#深度学习 #人工智能 #无人机 +4
基于matlab阈值分割的车牌识别系统【源码75期】

本系统基于MATLAB GUI实现车牌识别，通过Sobel边缘检测与形态学处理定位车牌，利用列投影法分割字符，并采用模板匹配进行识别。流程完整，算法清晰，适用于交通管理等场景。但对倾斜、复杂背景图像适应性差，且仅支持固定格式蓝色车牌，鲁棒性有限。建议后续引入深度学习提升性能。

matlab代码
2026-09-13 18:46:24

 250

#计算机视觉 #图像处理 #opencv
图像分类题目推荐功能介绍

基于YOLOv8等深度学习模型，设计并实现多场景智能识别系统：包括人脸脸型检测与发型推荐、植物/果蔬/垃圾/水下鱼类识别、白血病细胞分类等，融合OpenCV、PyTorch、Django、Vue与MySQL，支持图像采集、预处理、模型训练、实时检测、结果可视化与数据存储，具备用户认证、权限管理、日志监控及个性化推荐功能，实现高效、精准的智能分析与辅助决策。

IT精英选手
2026-09-12 19:49:50

 278

 4

#分类 #数据挖掘 #人工智能 +4
（论文速读）基于两阶段多模式深度学习的轮胎表面缺陷自动检测及严重程度分类系统

一种两阶段多模态深度学习方法，用于轮胎表面缺陷的自动检测与严重程度分类。针对轮胎缺陷在尺寸（几毫米至几十厘米）和类型（污渍、脱模痕迹、异物等）上的显著差异，研究团队设计了一套立体光度相机采集系统，构建了包含25,450张图像的数据集。方法采用解耦架构：第一阶段基于改进Mask-RCNN进行实例分割（增加Mask-IoU和Bbox-IoU分支），第二阶段融合图像特征与轮胎元数据进行严重性分类。实验表

 LJ1147517021
2026-09-12 16:35:30

 475

 4

#人工智能 #计算机视觉 #深度学习
（论文速读）基于注意力的深度学习用于轮胎缺陷检测：融合局部和全局特征的工业案例研究

一种融合视觉Transformer(ViT)与卷积神经网络(CNN)的混合模型ViT-CNN，用于轮胎X射线图像缺陷检测。针对轮胎多层结构的复杂性，设计轻量级注意力Inception模块实现多尺度特征提取，CNN路捕获局部特征，ViT路提取全局上下文，在包含15类缺陷、50种花纹的工业数据集上达到97.33%准确率和95.48%召回率。通过Friedman和Wilcoxon检验证实模型显著优于单架

 LJ1147517021
2026-09-12 16:35:05

 491

#人工智能 #计算机视觉 #深度学习
深度学习怎么魔改别人的模块变成自己的创新点？

魔改的终点不是把别人的代码改得认不出来，而是让每一处改动都有任务上的理由，并且能用实验收回来。先读懂，再对照失败样本，然后只改一处，最后用“直接插入 vs 自己的版本”证明差异来自你的改动。很多人说的“魔改”，其实只是把论文里的 CBAM、SE、BiFPN 复制进自己的模型，改个类名就当创新点。把较重的注意力收成只保留通道分支，或换成更轻的实现，参数量下来，也更容易讲清“针对小模型做了简化”。不必

 我真的很帅阿
2026-09-09 22:18:32

 424

 2

#深度学习 #人工智能 #计算机视觉 +1
皮革表面缺陷目标检测数据集

该数据集面向制革生产过程中的牛皮表面缺陷自动检测任务，旨在利用人工智能替代依赖人工目视检查的传统质量分级方式。

2zcode
2026-09-09 07:20:09

 253

 3

#目标检测 #人工智能 #计算机视觉
【硕博毕业必看】2026高录用EI学术会议一览 | 硕博毕业/职称晋升：10月EI、Scopus检索会议清单速览 | 10月国际学术会议合集｜人工智能、信息与控制、能源环境、计算机科学与技术等学科可选

本文汇总 2026 年 10 月 EI、Scopus 可检索国际学术会议资源，涵盖人工智能、信息与控制、能源环境、计算机科学与技术等多个研究领域，面向硕博毕业、职称晋升、评奖评优的科研人群，梳理高适配度会议清单，便于科研人员快速筛选方向匹配的投稿渠道，助力科研成果高效发表。

艾思科蓝 AiScholar
2026-09-07 15:19:39

 740

 22

#人工智能 #能源 #自动化 +3
ResNet 深度学习模型实战：从残差思想到图像分类项目落地

if stride!return out本文从 ResNet 的残差思想出发，完整实现了一个基于 CIFAR-10 的图像分类实战项目。残差连接让深层网络训练成为可能BasicBlock 与 Bottleneck 分别适用于浅层与深层网络数据增强与学习率调度对最终精度影响显著预训练权重迁移是提升小数据集性能的有效手段ResNet 作为计算机视觉的基石模型，理解它的原理与实现，对后续学习 Dense

dahaihua333
2026-09-06 20:22:28

 702

 16

#深度学习 #分类 #人工智能 +3
从零复现 UAV-DETR：无人机目标检测论文复刻全流程踩坑记录

训练集：6,471 张图像验证集：548 张图像测试集：1,610 张图像10 个类别论文复现不是简单的代码搬运，需要深入理解每个模块的设计动机超参数调优至关重要，同样的代码不同的超参数可能导致精度差异很大数据预处理的细节往往被忽视，但对最终精度影响很大耐心是关键，深度学习训练需要时间，不要过早放弃。

Yun_Xi0
2026-09-05 10:10:10

 548

 9

#计算机视觉
R-CNN 拆解：47 秒花在哪？跟着 2000 个候选框，走完“先猜、后认、再修框”三步流水线

目标检测要同时回答两个问题：物体在哪、它是什么。R-CNN 的解法是把问题拆成三次接力：先让 Selective Search 在 CPU 上把一张图切出约 2000 个候选框；再把每个候选框分别缩放、各自完整穿过一次卷积网络，变成 4096 维特征向量；最后每类一个 SVM 打分，非极大值抑制去掉重复框，框回归把边界修准。在 VOC2010 上，这套流水线把 mAP 从 33.4% 抬到 53.

Lee_jerome
2026-09-03 20:59:46

 700

 21

#目标检测 #深度学习 #计算机视觉 +1
AI摄像头安全初始化全流程｜物联网安防设备上线合规实操指南

我们观芯整理一套极简、可落地的AI摄像头安全初始化全流程，帮助设备安全、稳定、合规上线。小区、商铺开启越界入侵。遵循最小服务原则，关闭 Telnet、UPnP、FTP、远程调试等无用服务，只保留视频传输、平台接入必要端口。标准化安全配置可彻底解决弱口令入侵、内网渗透、数据违规、误报频发等问题，是当前智能安防项目合规落地、降低售后风险的核心关键。关闭匿名访问、访客账号，开启分级权限，普通人员仅查看、

小蒋观天下
2026-09-03 16:00:00

 691

 20

#人工智能 #安全 #物联网 +2
基于深度学习YOLOv11的太阳能电池板缺陷识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着太阳能产业的快速发展，太阳能电池板的质量检测成为保障光伏系统高效运行的关键环节。传统的人工检测方法效率低且易受主观因素影响，而基于深度学习的智能检测技术能够大幅提升缺陷识别的准确性和自动化程度。本研究提出了一种基于YOLOv11的太阳能电池板缺陷检测系统，针对6类常见缺陷（黑芯、裂纹、指状断裂、水平错位、短路、粗线）进行高效识别。系统采用包含3512张训练图像、502张验证图像和1002张测试

 网络爬虫大揭秘
2026-01-25 21:42:13

 873

 10

#深度学习 #ui #python +3
基于深度学习YOLOv10的药物识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于前沿的YOLOv10目标检测算法，开发了一套高精度的药物识别检测系统，专门用于药品识别与分类。系统能够准确识别8种特定药物（包括5种特定药品和3种颜色分类）：Cipro 500、Ibuphil 600 mg、Ibuphil Cold 400-60、Xyzall 5mg以及蓝色(blue)、粉色(pink)、红色(red)、白色(white)药片。项目使用药物图像的专业数据集进行训练和评估

 BQAIT
2026-01-27 11:06:39

 644

 19

#深度学习 #ui #人工智能 +3
基于深度学习YOLOv11的布料缺陷检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文设计并实现了一种基于深度学习YOLOv11的布料缺陷检测系统，旨在高效识别六类常见布料缺陷，包括“带纱”（DaiSha）、“断纱”（DuanSha）、“棉球”（MianQiu）、“破洞”（PoDong）、“脱纱”（TuoSha）和“污渍”（WuZi）。系统采用YOLOv11目标检测算法，结合包含1650张训练集图像和467张验证集图像的自定义数据集进行模型训练，确保缺陷检测的准确性和鲁棒性。

网络爬虫大揭秘
2026-01-27 11:37:16

 902

 26

#深度学习 #ui #python +3
基于深度学习YOLOv12的骨折识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习的骨折识别检测系统，采用最新的目标检测算法YOLOv12实现骨折病灶的快速准确定位与分类。系统共识别三类目标：骨折（Fracture）、非骨折（No_Fracture）以及其他对象（object），使用包含2108张训练图片、602张验证图片和301张测试图片的YOLO格式数据集进行模型训练和验证。该系统不仅具备较高的检测精度和实时性能，还集成了友好的用户界面(UI)，支

 网络爬虫大揭秘
2026-01-26 00:04:48

 580

 17

#深度学习 #ui #python +3
基于深度学习YOLOv8的家具识别检测系统（YOLOv8+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于先进的YOLOv8目标检测算法，开发了一套专门用于家具识别的智能视觉系统。系统针对三类常见家具（椅子、沙发和桌子）进行高效识别与定位，共使用了689张标注图像作为数据集。通过深度学习技术，该系统能够实时准确地检测图像或视频流中的家具物品，并标注其类别和位置信息。项目实现了从数据采集、标注、模型训练到性能评估的完整流程，最终在测试集上达到了较高的识别精度，为智能家居、室内导航、家具电商等应

 BQAIT
2026-01-28 22:17:18

 1071

 13

#深度学习 #ui #人工智能 +3
基于深度学习YOLOv10的疲劳驾驶识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于YOLOv10目标检测算法开发了一套疲劳驾驶状态检测系统，专门用于实时识别驾驶员的精神状态。系统将驾驶员的眼部状态分类为"清醒(awake)"和"困倦(drowsy)"两个类别，通过监控驾驶员的面部特征特别是眼部区域来判断是否处于疲劳驾驶状态。为驾驶安全提供有效的技术保障。项目采用最新的YOLOv10架构，在保持YOLO系列算法高效检测速度的同时，进一步提升了检测精度和模型性能。

BQAIT
2026-01-28 22:25:27

 745

 7

#深度学习 #ui #python +3
基于深度学习YOLOv8的寄生虫分类识别检测系统（YOLOv8+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于前沿的YOLOv8深度学习框架，开发了一套高精度的寄生虫分类识别检测系统，能够准确识别和分类8种常见人体寄生虫：钩虫（Ancylostoma Spp）、蛔虫（Ascaris Lumbricoides）、蛲虫（Enterobius Vermicularis）、肝吸虫（Fasciola Hepatica）、膜壳绦虫（Hymenolepis）、血吸虫（Schistosoma）、带绦虫（Taen

BQAIT
2026-01-27 11:04:32

 786

 18

#深度学习 #分类 #人工智能 +3
基于深度学习YOLOv10的蜜蜂识别检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

本项目基于新一代YOLOv10目标检测框架，开发了一套高精度的蜜蜂识别检测系统，专门用于在各种复杂自然场景中准确识别蜜蜂个体。系统采用包含8,080张高质量蜜蜂图像的专业数据集进行训练和评估，其中训练集5,640张，验证集1,604张，测试集836张。该检测系统实现了在密集蜂群场景下对单个蜜蜂的精准识别，能够有效应对蜜蜂快速移动、相互遮挡以及复杂背景等挑战。系统可广泛应用于智慧农业、生态监测、生物

 BQAIT
2026-01-27 11:09:02

 433

 5

#深度学习 #ui #人工智能 +2
基于深度学习YOLOv12的铁路轨道缺陷检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本研究设计并实现了一种基于深度学习的铁轨轨道缺陷检测系统，采用 YOLOv12 目标检测模型结合自主构建的轨道缺陷数据集进行训练与验证。数据集涵盖四类典型缺陷：剥落（Spalling）、烧蚀（Wheel Burn）、挤曲（Squat）和波磨（Corrugation），共包含 1916 张训练图像、240 张验证图像及 240 张测试图像。模型在训练过程中引入多尺度特征融合与改进的特征金字塔网络，以

 网络爬虫大揭秘
2026-01-26 00:13:23

 858

 33

#深度学习 #ui #python +3