我安装了 nvidia-440 显卡驱动之后，出现了以下问题（手动安装的nvidia-430）：Ubuntu无法检测到外接显示器无法打开nvidia-settings或者打开nvidia-settings时有报错ubuntu-drivers device命令后无显示本机显卡型号: GeForce GTX 1050 Ti，本机推荐的显卡驱动型号：nvidia-430解决问题的步骤为:...

文档人工智能具有独特的挑战，使其有别于其他视觉语言领域。例如，文本和视觉模态之间的跨模态交互在文档中比在常规视觉语言数据中强得多，因为文本模态在视觉上位于图像中。此外，下游任务在领域和范例上是多样化的，例如，文档问答、布局检测、文档分类、信息提取等。这增加了两个挑战如何利用图像、文本和布局模式之间的强相关性，并将它们统一对整个文档进行建模？模型如何有效地有效地学习不同领域的不同视觉、文本和布局任务

1.高斯平滑（1）高斯卷积核的构建假设构造宽（列数）为、高（行数）为的高斯卷积算子，其中和均为奇数，锚点的位置在，步骤如下：第一步：计算高斯矩阵。其中r，c代表位置索引，其中，，且r，c均为整数。第二步：计算高斯矩阵的和。第三步：高斯矩阵...

图像分割处理流程1. 原图像灰度化，二值化，开运算消除噪点2. 距离变换，归一化 `distanceTransform` `normalize`3. 再次二值化，得到确定的前景，即种子4. 根据种子生成 Marker，可以通过以下两种方式生成：* 查找连通分量 `connectedComponents`* 查找轮廓，绘制轮廓 `findContours`, `drawContours`5. 分水岭

每一幅图像都包含某种程度的噪声，噪声可以理解为由一种或者多种原因造成的灰度值的随机变化，如由光子通量的随机性造成的噪声等，在大多数情况下，通过平滑技术(也常称为滤波技术)进行移植或者去除，其中具备保持边缘作用的平滑技术得到了更多的关注。常用的平滑处理算法包括基于二维离散卷积的高斯平滑、均值平滑，基于统计学方法的中值平滑，具备保持边缘作用的平滑算法的双边滤波。在介绍基于二维离散卷...

大模型GPT演进路线图。

tensorboard 查看训练过程（远程服务器）

LayoutLM: Pre-training of Text and Layout for Document Image UnderstandingLAYOUTLMV2: MULTI-MODAL PRE-TRAINING FOR VISUALLY-RICH DOCUMENT UNDERSTANDING在表单理解、票据理解和文档图像分类都有不错的效果。

TSRFormer，可以从各种表格图像中稳健地识别具有几何变形的复杂表格的结构，可以处理几何扭曲甚至弯曲的表格，有边框和无边框的表格。此方法是把表格分隔线预测当作线回归问题而不是图像分割问题，并提出了一种新的基于 DETR 的分隔线预测方法，称为 Separator REgression TRansformer (SepRETR)，直接从表格图像中预测分割线。在分割线预测之后，使用基于简单关系网络

边缘检测Roberts 算子Prewitt 边缘检测Sobel 边缘检测Scharr算子Krisch 算子和Robinson 算子Canny 边缘检测图像的边缘指的是灰度值发生急剧变化的位置。在图像形成过程中，由于亮度、纹理、颜色、阴影等物理因素的不同而导致图像灰度值发生突变，从而形成边缘。边缘是通过检查每个像素的邻域并对其灰度变化进行量化的，这种灰度变化的量化相当于微积分里连续函数中方向导数或者