利用Python+opencv实现从摄像头捕获图像，识别其中的人眼/人脸，并打上马赛克。系统环境：Windows 7 + Python 3.6.3 + opencv 3.4.2一、系统、资源准备要想达成该目标，需要满足一下几个条件：找一台带有摄像头的电脑，一般笔记本即可；需配有Python3，并安装NumPy包、opencv；需要有已经训练好的分类器，用于识别视频中的人脸、...

本文主要解决了从单个RGB输入图像估计高质量密集深度图的问题。我们从一个baseline的encoder-decoder CNN结构出发，提出一个问题：信息的全局处理如何帮助提高整体深度估计？为此，我们提出了一种基于transformer的架构块，它将深度范围划分为多个 bin，而每个bin的中心值是根据每个图像自适应估计的，最终的深度值估计为 bin 中心的线性组合。我们将这种新的构造块称为Ad

transformer在CV领域的成功之后，出现了很多在移动设备上使用它们的尝试性工作，但是这些工作在某些实际应用中的表现仍然不能令人满意。为了解决这个问题，本文提出PP-MobileSeg——一个在移动设备上达到SOTA的语义分割模型。包含了4个stage的StrideFormer backbone 由MV3块和SEA注意力模块构建，能够以最小的参数量提取丰富的语义信息与细节特征；AAM则首先通

目标跟踪是计算机视觉领域一种常用的算法，用于将前后帧中的同一个目标关联起来，从而可以针对某一个特定目标进行分析，如对状态进行投票平滑获取更为稳健的结果。然而，目前流行的跟踪算法大多是基于检测的bbox之间的IOU来匹配的，这对于某些小目标或者点的检测，IOU通常不是一个好的选择，因为目标太小，很容易使得相邻两帧之间的IOU为0。为了解决这个问题，本文提出了一种基于点之间距离的跟踪方法：将目标建模为

本文通读了YOLO-World的论文，翻译了其关键内容。

在图像处理中，我们可能会遇到求一个线条长度的场景，比如，现在有一条裂缝，需要求其长度，或者有一个长条形的零件需要知道其长度。本文利用OpenCV和skimage两个库，提供了一个解决方案。

在此之前的Matting方法要么是用传统方法，要么是传统+深度学习的组合，他们都难以达到理想效果。因此，本文提出了一个利用trimap来作为辅助输入，并完全使用深度学习方法来进行Matting的方法，这开创了trimap-based Deep Learning Matting的先河。

介绍了单图SR开山之作——SRCNN，并给出了网络结构的实现代码。

百度出品，基于YOLO3，使用各种tricks进行改进，得到了超越YOLO4的分类器。

在目标检测方法中，由于分类和定位组合的复杂性，产生了多种多样的算法。这些算法尝试在检测heads上提升性能，不过它们缺乏一种统一的视角来看待检测问题。基于此，本文提出了一个新颖的动态head框架，将注意力机制与目标检测Heads统一起来。