登录社区云，与社区用户共同成长
邀请您加入社区
第四届计算机图形学、图像与虚拟化研究国际会议（ICCGIV 2024）将于2024年6月7-9日在中国成都举行。
3. Contour Detection作为轮廓检测的起点，我们考虑Martin等人的工作[2]，定义函数Pb(x,y,θ)Pb(x,y,θ)Pb(x,y,θ)，该函数通过测量局部图像亮度，颜色和纹理通道的差异来预测每个图像像素(x.y)(x.y)(x.y)上具有方向θθθ的边界boundary的后验概率。 在本节中，我们将回顾这些线索，介绍我们自己的PbPbPb检测器的多尺度版本，并描述我们在.
随着人工智能和深度学习的迅猛发展，计算机视觉技术日益成熟。作为视觉领域的核心任务之一，目标检测（Object Detection）不仅能识别图像中的目标类别，还能精准定位其位置，是智能安防、自动驾驶、医疗影像、工业质检等众多场景的关键技术。本文将带你全面深入了解目标检测的基本原理、主流算法及实战技巧，并附带完整代码示例，帮助你快速掌握并应用目标检测技术。
学习了图像处理中的5种特征提取方法，这些特征提取方法各有特点，适用场景也不同。1. 直方图&&haar-like特征提取：直方图：单个像素灰度分布的一阶统计量。纹理是灰度在空间以一定的形式变换产生的图案，直方图是描述图像中像素灰度级分布的工具，可以用直方图或其统计特征作为图像的纹理特征。其中最常用的是灰度直方图，英文灰度具有一定的稳定性，对大小、方向都不敏感， 能表现出相当强的鲁棒性。
很多资源环境领域的从业人员也介入到无人机应用中，通过无人机搭载不同的传感器可以灵活高效地进行地表空间要素的动态监测，获取大量宝贵的监测数据，极大地解决了很多传统野外观测手段无法解决的问题。本次融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专
思通数科的AI视频监控卫士是一款先进的视频监控系统，它利用人工智能技术来增强传统的视频监控功能。该系统通过深度学习算法和图像识别技术，能够实现对视频内容的智能分析和处理，从而提供更高效、更智能的安全监控解决方案。
目录引言1 人脸识别技术1.1人脸识别的研究内容1.1.1人脸检测(Face Detection)1.1.2人脸表征(Face Representation)1.2几种典型的人脸识别方法1.2.1基于几何特征的人脸识别方法1.2.2基于K-L变换的特征脸方法1.2.3神经网络方法1.2.4基于小波包的识别方法1.2.5支持向量机的识别方法2 人脸特征提取与识别2.1利用PCA进行特征提取的经典算法
本项目基于YOLOv8目标检测算法，构建了一套高效、准确的数字识别系统，专门用于检测和识别图像或视频流中的0-9十个数字类别。系统采用深度学习技术，在966张训练图像、99张验证图像和50张测试图像的数据集上进行训练和优化，确保模型具备较高的泛化能力和鲁棒性。YOLOv8作为当前最先进的实时目标检测算法之一，在保持高检测速度的同时，提升了小目标（如数字）的识别精度，适用于多种实际应用场景。
本文设计并实现了一种基于深度学习YOLOv12的绝缘子缺陷检测系统，旨在提高电力输电线路巡检的自动化和智能化水平。系统采用最新的YOLOv12目标检测模型，对包含 4 类标签（Broken、Flashover damage、No issues、String）的绝缘子图像进行高精度识别。所用数据集包含训练集 2240 张、验证集 640 张和测试集 320 张图像，覆盖多种场景、光照和缺陷类型，保证
一. 图形坐标系计算机图形学中，从物体建模、设备显示、处理图形角度，使用一系列的坐标系，图形显示的过程就几何模型在不同坐标系之间的映射。1. 世界坐标系：公共坐标系，是现实中物体场景的统一参照系2. 建模坐标系：局部坐标系，独立于世界坐标系来定义物体的几何特性3. 观察坐标系：从观察者的角度对整个世界坐标系内的对象进行重定定位和描述，用于指定图形的输出范围4. 设备坐标系：适合特定输出设备输出对象
Deep Residual Learning for Image Recognition简述：残差神经网络在2015年ILSVRC比赛中获得冠军，且多个方面获得了第一名。随着网络深度的增加，梯度在反向传播过程中会逐渐消失，导致无法对前面的网络层的权重进行有效的调整，致使准确率逐渐饱和然后迅速下降。本文提出了一个残差学习框架来简化网络训练，实验表明该网络更易优化，且大幅增加深度的同时获得高的精度..
本文设计并实现了一种基于深度学习YOLOv12的玉米幼苗与杂草检测系统，针对农业场景中的精准除草需求，实现了高效的目标检测与分类。系统以YOLOv12为核心算法，构建了包含2类目标（"weed"杂草和"cron"玉米幼苗）的数据集，其中训练集2661张、验证集254张、测试集127张，确保模型训练的可靠性和泛化能力。结合Python开发框架，系统集成用户友好的UI界面，支持登录注册功能，便于多用户
Imgaug之增强标记BoundingBoximgaug是一个封装好的用来进行图像augmentation的python库,支持关键点(keypoint)和bounding box一起变换。
1.背景介绍计算机视觉(Computer Vision)和图像处理(Image Processing)是计算机科学领域中的两个相互关联的领域。计算机视觉主要关注于计算机能够理解和解释图像和视频中的内容，而图像处理则关注于对图像进行各种处理，以提高图像质量或提取有用信息。在高性能计算(High Performance Computing, HPC)领域，这两个领域的研究和应用呈现出迅速增长的趋势..
图像处理
——图像处理
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
