计算机视觉

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

计算机视觉是一门研究如何使机器“看”的科学,是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

计算机视觉是一门研究如何使机器“看”的科学,是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。收起

查看更多

电路方案

查看更多

设计资料

查看更多
  • 虹软科技:一半收入砸研发,手机算法隐形冠军在搏什么?
    虹软科技2026H1营收4.40亿元(+7.19%)、归母净利7714万元(-12.87%)。增收不增利主因研发费用2.35亿元、费率53.4%,押注车载DMS/OMS、SouthLake、AI眼镜及机器人。手机算法授权高毛利但行业承压;车载收入0.72亿元(+11.71%)、DMS国内份额第三。后续看新业务放量与现金流。
    虹软科技:一半收入砸研发,手机算法隐形冠军在搏什么?
  • 工业物联网 + 计算机视觉 + 边缘计算:重塑未来工业的“智慧三剑客”
    本文阐述工业物联网、计算机视觉与边缘计算融合正重塑智能制造:相机实时采集缺陷与行为数据,边缘侧毫秒级分析并通过IIoT联动控制,云端留存关键信息。已应用于汽车质检、安全防护、预测维护和柔性分拣等,需高分辨率工业相机与低功耗边缘算力;成本、安全仍是挑战。
  • 超越模型大小:使用YOLOv8n平衡准确性、速度与效率
    人工智能在图像、视频和文本理解方面日益成熟,但计算资源的限制使其在实际应用中面临挑战。轻量级模型如YOLOv8n因其高效性和适应性受到关注。YOLOv8n是一种小型化的物体检测模型,适用于资源受限环境,如边缘设备和嵌入式系统。尽管牺牲了一定的准确性,轻量级模型在制造业、农业、交通等领域展现出巨大潜力。选择合适的模型应综合考虑准确性、速度、计算成本等因素,以满足特定应用场景的实际需求。
  • 深度学习实战-基于Resnet50的极端天气物体探测识别模型
    本项目聚焦于极端恶劣天气条件下的计算机视觉模型鲁棒性挑战,特别是暴雨、大雪、浓雾、强霾、洪涝、龙卷风、野火等罕见且破坏力大的自然灾害。项目团队使用XWOD数据集,基于预训练的ResNet50残差网络,构建了一个高性能、多轴向的流式数据预增强防御管线。 #### 主要方法: 1. **数据预处理**:采用分层采样策略确保各类别样本权重一致,加入空间与色彩扰动算子增强数据集,保证模型在复杂气象条件下的泛化能力。 2. **模型构建**:使用ResNet50作为骨干网络,定制化全连接决策头,配合AdamW优化器进行参数微调。 3. **模型训练**:通过多轮次迭代训练,确保模型在极端天气图像中精准识别物体轮廓。 4. **模型评估**:通过流式无偏置置信度提取和多类目细粒度分类报告,全面评估模型在恶劣环境下的性能。 #### 结果: - 总体验证集准确率达到99.29%,在多个关键天气场景下表现出色,尤其是在大雪、洪涝等场景下达到完美命中。 - 大幅提升了计算机视觉模型在极端恶劣天气条件下的鲁棒性和可靠性,为自动驾驶、智能安防监控等领域的全天候应用奠定了坚实基础。 该项目的成功验证了预训练残差连接网络在复杂非线性噪声干扰环境下的通用先验优势,为解决极端天气下的计算机视觉问题提供了有效的解决方案。
  • 计算机视觉开发者都应掌握的10个必备工具
    计算机视觉领域正迅速扩展至医疗、自动驾驶等多个行业。本文介绍了十个关键工具,从入门级的OpenCV到高级的PyTorch和TensorFlow,涵盖了图像处理、机器学习、标注工具、GPU加速、对象检测等方面,助力不同水平的开发者构建强大模型。
    计算机视觉开发者都应掌握的10个必备工具