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
  • 深度学习实战-基于MobileNetV3的眼部疾病图像分类识别模型
    该项目旨在利用深度学习中的计算机视觉技术,构建一套基于轻量化架构MobileNetV3的全自动眼疾识别流水线。通过高质量临床眼底图像数据集和医疗专家标注,模型实现了超过86%的临床初筛准确率,为偏远地区提供了数字化辅助诊断范式。
    深度学习实战-基于MobileNetV3的眼部疾病图像分类识别模型
  • 使用YOLO11实现区域内目标跟踪
    计算机视觉领域正因生成式AI的发展而迅速进步,特别是物体跟踪技术的应用,能更准确地识别和追踪物体,尤其适合智能交通管理、零售和库存管理、生产线监控等领域。Ultralytics提供了TrackZone解决方案,通过聚焦特定区域优化跟踪速度和精度,支持Python和CLI操作,适用于低功耗边缘设备。
  • 纯视觉自动驾驶能识别出高透明玻璃墙吗?
    纯视觉自动驾驶面临高透明玻璃墙识别难题,需借助复杂算法和深度学习模型进行空间感知和语义推理。通过占用网络、Transformer模型和运动视差技术,系统能有效应对玻璃墙带来的视觉干扰,提高自动驾驶的安全性和适应性。
  • 传统计算机视觉已死?
    本文介绍了经典计算机视觉方法及其应用场景,强调了在深度学习盛行的时代,传统方法仍具有不可替代的优势。作者分享了图像处理、特征提取、背景减除器、视角转换等经典技术的应用实例,并指出这些方法在特定场景下的独特价值。无论是初学者还是从业者,理解和掌握这些经典技术都能提高项目的灵活性和可靠性。
    传统计算机视觉已死?
  • 人工智能与制造业的关系
    工业和信息化部等八部门联合发布《“人工智能+制造”专项行动实施意见》,明确到2027年推动人工智能在制造业深度应用,形成特色化、全覆盖的行业大模型,推广典型应用场景。人工智能与制造业深度融合,成为推动智能制造的关键举措。机器学习、计算机视觉、生成式AI、数字孪生、边缘AI等技术在预测性维护、质量控制、流程优化等方面发挥重要作用,助力制造业向智能化转型。
    人工智能与制造业的关系