魔乐社区

YOLOX网络详解

对于网络在每一个grid cell处都会预测4个参数（tx、ty、tw、th），tx与ty预测的是目标中心点相对于当前grid cell相对于当前grid cell左上角点的偏移量，预测边界框的高度和宽度用e的指数计算，计算得出的Xcenter、Ycenter、w、h都是在特征图尺度上的，需要*stride得到在原图的尺度。构建Anchor Point与每个GT之间的IoU矩阵，IoU矩阵并不需要

python | pyvips，一个神奇的 图像处理 Python 库

pyvips库是一个功能强大且易于使用的图像处理工具，能够帮助开发者在 Python 项目中高效地进行图像处理。通过支持多格式图像、多种图像处理操作、管道操作和高效的内存管理pyvips能够满足各种复杂的图像处理需求。本文详细介绍了pyvips库的安装方法、主要特性、基本和高级功能，以及实际应用场景。希望本文能帮助大家全面掌握pyvips库的使用，并在实际项目中发挥其优势。THE END!大家有推

Faster R-CNN算法的改进：多个检测层和特征金字塔FPN

安全帽识别算法

安全帽识别算法采用最新AI人工智能深度学习技术，基于计算机智能视频物体识别算法，且通过规模化的安全帽数据识别训练，赋予监控系统智能识别能力，从而准确判断识别场景内的作业人员是否佩戴安全帽，若检测到人员未佩戴安全帽，将实时抓拍并报警，并且可以把抓拍数据推送至管理平台，提升现场作业人员的安全性，提高安全监督监管效率。

mmdetection算法之DETR（1）

Transformer的前向操作BaseTransformerLayer的前向操作

yolov3的训练（六）darknet训练与测试

yolov3的训练（六）darknet训练与测试

YOLO Air：YOLO科研改进论文推荐 | 改进组合上千种搭配，包括Backbone,Neck,Head,注意力机制,适用于YOLOv5、YOLOv7、YOLOX等算法

目标检测科研改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数

40_U²-Net网络详解

https://www.bilibili.com/video/BV1yB4y1z7mj?spm_id_from=333.788.videopod.sections&vd_source=7dace3632125a1ef7fd32c285eb2fbac

分布式训练（上）——rank local_rank node

在整个分布式中的序号，每个进程都有一个rank和一个local_rank，rank是相对整个分布式而言（就是序号从0开始一直到整个分布式中最后一个GPU的数，类似于range(0,整个分布式GPU数量），这里不是相对于一个。WORLD_SIZE代表着所有机器中总进程数(一个进程对应一块GPU)，RANK代表着是在WORLD_SIZE中的哪一个进程，LOCAL_RANK代表着当前机器上的第几个进程（

三轴云台之姿态融合算法

这些传感器将数据发送给控制器，控制器通过姿态融合算法处理这些数据，以获取准确的姿态信息，并驱动云台电机进行必要的调整，使载体保持稳定的姿态。三轴云台的姿态融合算法是一种将来自不同传感器的数据进行融合，以获取更准确、更稳定的姿态信息的算法。为了减小传感器数据中的噪声和误差，姿态融合算法通常采用滤波算法，如卡尔曼滤波、互补滤波等。这些算法能够融合多个传感器的数据，并根据数据的可靠性进行加权处理，从而得

YOLOV3网络模型

YOLOV3

目标检测算法之DETR

从上图可以发现DETR的模型结构比较简单，首先通过CNN层获取图像的特征图，然后与位置向量相加作为Transformer encoder的输入，然后固定object queries作为decoder的query，transformer encoder的输出作为key，value，最后输出。同时在原本的分类结果的基础上添加一个no object的类别，对于一些框分类为no object的，直接去除。

MMdetection2测试voc数据获取precision

在使用mmdetection时，测试voc数据集无法得到精度指标，只有recall和mAP，这里可以通过修改几行代码来获得precision指标修改后打印结果：代码修改修改mmdet/core/evaluation/mean_ap.py文件里的print_map_summary函数的5处代码，你可以直接复制这个函数，然后替换掉原来的函数。修改后的函数为：def print_map_summary(

利用tensorboard看实时算法结果对比（Autodl服务器和本地）

回到aotopanel页面，在tensorboard处即可查看。然后输入调用tensorboard指令。删除当前tensorboard进程。显示tensorboard进程。

yolov5区分训练集验证集测试集

import osimport shutilimport random# 保证随机可复现random.seed(0)# def mk_dir(file_path):#if os.path.exists(file_path):## 如果文件夹存在，则先删除原文件夹在重新创建#shutil.rmtree(file_path)#os.makedirs(file_path)def split_data(f

R-CNN系列算法解读

Mask-RCNN算法详细解读R-CNN系列from R-CNN to Mask-RCNNsliding windows detectorSelective searchR-CNNFast R-CNNMask-RCNNR-CNN系列from R-CNN to Mask-RCNNR-CNNFast R-CNNFaster R-CNNFPNFPN + RPN + Fast R-CNNFPN + RPN

基于视频监控分析异物入侵检测算法的实现方法

由初步检测所得的目标候选区域虽然已经较为可靠，能够抑制99％的误报事件，但由于虚警基数庞大，而正常入侵事件发生的次数较少， 因此误报率较高。精确检测的具体流程如下图所示。过滤不满足如下条件的轨迹： ＩＯＵ（ｂｏｘＮ，ｐａｄ（ｂｏｘ１，ｒ））≤ ＩＯＵｍａｘ Ｖａ ＜ １ Ｎ∑ Ｎ ｔ＝１ { ‖ｖｔ‖ ＜Ｖｂ （１） 其中，ｂｏｘｔ和 ｖｔ分别为 ｔ时刻运动物外接矩形框和 速度，可由 ｘｔ获得。此

对RPN网络的理解

RPN， Reigion Proposal Network， 中文名称为候选区域提取网络，最早在faster RCNN一文中提出，用于提取目标候选框。

Vibe算法简介、优缺点、代码

ViBe检测方法算法简介1.背景模型的初始化2.前景检测过程3.背景模型的更新方法Vibe算法优缺点Vibe代码算法简介  该算法采用邻域像素来创建背景模型，通过比对背景模型和当前输入像素值来检测前景。总的来说就是先背景建模，后前景检测的背景差方法。  具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断

【笔记】Facefusion3.3.2 之 NSFW 检测屏蔽测试

测试通过修改代码，保留模型下载流程（仍会获取 NSFW 检测模型文件，因为没有改动模型触发下载及模型下载后的哈希hash校验部分，只做最少改动），但强制关闭实际检测逻辑，让 NSFW 检测功能失效，视频 / 图像处理时不再执行内容安全校验。

【YOLO系列】YOLOv5架构初步学习

近日，本人开始忙于毕设，需要使用yolov5框架，于是着手开始学习本框架。本文章旨在记录对yolov5框架的学习经历与成果，方便本人后续的回顾与进步。在查阅资料过程中，偶遇站内大佬“路人贾'ω'”文章，遂作为参考学习。目录前言一、YOLOv5的网络结构二、输入端（1）Moasic数据增强（2）自适应锚框计算（3）自适应图片缩放三、Backbone（1）Focus模块（2）CSP结构四、Neck五、

YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12的网络结构图

本文将给出YOLO各版本网络结构图的绘制方法及图。本文所展示均为YOLO各模型n或s相对轻量的网络结构，部分为通用。

LSNet：以小见大，CVPR2025全新轻量级主干网络

本文提出了一种新型的轻量级视觉网络架构——LSNet（Large-Small Network），旨在通过高效的感知和聚合策略，在有限的计算成本下实现高性能的视觉信息处理。LSNet的设计灵感来源于人类视觉系统的“看大，聚焦小”策略，通过结合大核感知（Large-Kernel Perception, LKP）和小核聚合（Small-Kernel Aggregation, SKA）的LS卷积操作，实现

mmdet3d安装教程

mmdet3d官方的教程对于mmdet3d的依赖库的版本描述存在一定的问题，经过多日痛苦的环境配置，对mmdet3d的安装流程做了一个总结。当然，经常配置环境的朋友都知道，这是一个玄学问题，所以该教程也难以覆盖到配置过程中的各种问题，本教程仅可作为参考！

CV学习：传统（机器学习）目标检测——HOG+SVM检测器

HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，是与SIFT、SURF、ORB属于同一类型的描述符。HOG不是基于颜色值而是基于梯度来计算直方图的，它通过计算和统计图像局部区域的梯度方向直方图来构建特征。HOG特征结合SVM分类器已经被广泛应用到图像识别中，尤其在行人检测中获得了极大的成功。

程序员学长 | 快速学会一个算法，xLSTM

今天给大家分享一个超强的算法模型，，xLSTM。xLSTM（Extended Long Short-Term）是对传统 LSTM（Long Short-Term Memory）模型的扩展和改进，旨在提升其在处理时间序列数据和序列预测任务中的性能。传统的 LSTM 模型通过引入遗忘门、输入门和输出门，解决了标准 RNN（Recurrent Neural Network）在长序列数据中存在的梯度消失和

【Yolov5】Yolov5添加ASFF, 网络改进优化

Yolov5添加ASFF模块，有完整的使用说明，实验可行，可以提高模型性能

探访 T-Rex2 家族 Part 1：使用文本-视觉提示的模型基座 T-Rex2

本文是《探访 T-Rex2 家族》系列内容的第 1 篇，旨在通过深入浅出的形式为读者介绍使用文本-视觉提示的通用目标检测模型 T-Rex2，并为读者解答：为什么我们需要 T-Rex2？什么是 T-Rex2？它的优势和局限性是什么？它有什么样的应用场景。

windows使用pytorch环境配置yolo_v5进行视觉识别手把手步骤：搭建pytorch环境（第2部分）

搭建conda环境，安装pytorch

人工智能专业-基于机器视觉的数字静态手势的匹配识别-OpenCV

毕业设计-基于机器视觉的数字静态手势的匹配识别-OpenCV ：现如今，人们对于人机交互技术的需求日益提高，手势识别便是人机交互的重要的手段之一。 人机交互的目标是使人机器即计算机的性能与人 － 人交互相似。手势在我们的日常生活中起着重要作用，它们可以帮助人们传达信息并表达自己的感受。从技术上讲，手势是时空模式，可以是静态的，动态的或两者兼而有之的。手势识别技术可以应用于各个学科和我们的生活领域中

工业视觉检测厂家十大排名

智能相机

CVPR 2023 | 多车协作让纯视觉3D目标探测媲美激光雷达

©作者 |机器之心编辑部来源 |机器之心摄像头能否实现激光雷达的检测效果，以更低成本实现自动驾驶感知？在最新的 CVPR 2023 论文《Collaboration helps camera overtake LiDAR in 3D detection》中，来自上海交通大学、加州大学洛杉矶分校、以及上海人工智能实验室的研究者提出了纯视觉协作探测方法（CoCa3D），通过让多个基于纯视觉的智能车..

基于FPGA的双目视觉教程_1.双目矫正

基于FPGA的双目视觉教程_1.双目矫正

机器视觉 手部关键点检测（手部识别）安卓应用App（Hand Tracking）基于mediapipe。

目录前言一、下载APP！二、安装后使用结果：三、总结前言安卓系统手机实现对手部关键点的识别。一、下载APP！csdn下载：Hand Tracking百度网盘下载：链接：https://pan.baidu.com/s/1BSmyTE9Si_CwUY-gXXynrQ提取码：pw6o二、安装后使用结果：三、总结还有面部，物体等识别，参考mediapipe官网...

【机器视觉】工业镜头选型攻略

镜头的基本功能就是实现光束变换，镜头的质量直影响到机器视觉系统的整体性能，合理地选择和安装镜头，是机器视觉系统设计的重要环节。

EfficientFormerV2：重新思考视觉变换器以实现与MobileNet相当的尺寸和速度。

随着视觉变换器（ViTs）在计算机视觉任务中的成功，近期的研究尝试优化ViTs的性能和复杂度，以实现在移动设备上的高效部署。提出了多种方法来加速注意力机制，改进低效设计，或结合适用于移动设备的轻量级卷积形成混合架构。然而，ViT及其变体仍然比轻量级CNNs有更高的延迟或更多的参数，即使是多年前的MobileNet也是如此。在实践中，延迟和大小对于在资源受限的硬件上有效部署至关重要。在这项工作中，我

SICK视觉软件专栏一：EasyRanger介绍(1)

EasyRanger是专为SICK 3D相机开发的软件平台，它提供了功能强大的图像处理工具包括2D/3D图像滤波、定位特征提取、3D轮廓分析、缺陷检测、尺寸测量、多相机拼接等工具。

YOLO-DETR-高效轻量级视觉模型：Mamba网络全解析

Mamba网络是一种创新的轻量级视觉模型架构，采用深度可分离卷积和轻量级注意力机制，兼顾高效计算与高性能表现。其主要特点包括：通过模块化设计显著降低参数量和计算量；嵌入多尺度特征融合策略增强特征表达能力；适用于移动端和边缘设备的实时视觉任务。该网络在保持接近大型模型精度的同时，大幅提升推理速度，为资源受限场景提供了新的解决方案，在目标检测、语义分割等视觉任务中展现出广阔应用前景。

斯坦福大学李飞飞团队新作：孪生掩码自编码器SiamMAE，刷榜视觉自监督方法

关注公众号，发现CV技术之美本文转自新智元，编辑：LRS。只需一个简单操作扩展MAE，即可实现自监督学习新sota！在计算机视觉领域，想要建立图像和场景（scene）之间之间的对应关系是一项比较困难的任务，尤其是在存在遮挡、视角改变或是物体外观发生变化的情况下。最近，斯坦福大学李飞飞团队对MAE进行扩展，提出了孪生掩码自编码器SiamMAE（Siamese Masked Autoencoders）

四维图新杯”自动驾驶视觉感知算法赛baseline-----第一部分

目标检测部分----baseline（github）数据预处理部分(附VOC,COCO数据集链接)VOC,COCO数据集百度云链接：链接：https://pan.baidu.com/s/1uwp_xlJNi1dXQ8SZbTEfig提取码：i6da1.1赛题数据转VOC格式 and VOC标签转COCO标签现在做人工智能比赛，一般都是需要预处理数据，并把数据转换成COCO格式或者VOC格...

江大白 | 天大、华盛顿大学提出 YOSS 方法，视觉与听觉结合进行目标物体识别 ！

在计算机视觉中，物体定位通常依赖于视觉信息，但音频在目标识别中的潜力尚未被充分利用。本文提出了YOSS方法，结合音频和视觉信息，通过对比学习将口语指令精准定位图像中的目标。实验表明，音频引导能显著提高定位精度，增强机器人系统的性能，为多模态AI系统和语音交互技术提供了新的发展方向！

在不确定遗留物体的样子时，使用视觉算法检测遗留物体的思路是什么

在不确定遗留物体的样子时，使用视觉算法检测遗留物体的思路可以包括以下几步:1.首先使用图像预处理技术(如灰度化、降噪、二值化等)来降低图像噪声，增强图像质量。2.使用目标检测算法(如深度学习算法)来识别遗留物体,比如，使用YOLO,RCNN,Faster RCNN等算法。3.检测到遗留物体后,使用跟踪算法(如卡尔曼滤波、贝叶斯跟踪算法等)来跟踪物体的位置，并在视频中标记。...

人工智能专业-基于机器视觉的视频字幕识别系统- OpenCV

人工智能-基于机器视觉的视频字幕识别系统- OpenCV ：随着网络视频数据规模的不断扩大，有效的视频检索方式在网络视频数据管理中显得极为紧迫和必要。网络视频检索方式主要有人工添加视频摘要用于检索，或从视频中提取字幕信息用于检索和注释等。由于后者可节约大量人力和物力，因此字幕识别已成为网络视频检索的重要组成部分，无论是新闻视频剪辑、电影、还是广告等视频都含有丰富的图像字幕信息，但因为有些视频中字幕

3D视觉入门-相机篇

引用常用相机投影及畸变模型（针孔|广角|鱼眼）_相机畸变模型-CSDN博客习惯上将z 轴指向相机前方，x 轴向右，y 轴向下,O是摄像机的光心，也是针孔模型的针孔，现实世界空间点P，经过小孔O投影后，落在O‘-x’-y'上，成像点P‘。#注意这里的 ( c x , c y ) 写的是 光心 或 principle point(PP)，不是畸变中心(COD）缩略词和术语在传感器上的 ( x , y

【视觉+IOT】论文笔记-Visual Object Detection and Tracking for Internet of Things Devices Based on Spatial

基于空间注意力机制的多域网络的物联网设备视觉对象检测与跟踪Visual Object Detection and Tracking forInternet of Things Devices Based on Spatial来源：IEEE 2021论文提纲

机器视觉入门知识体系整理（不全）

机器视觉

人类高质量视觉模型YOLOP开源：同时处理三大视觉任务，还能各种超越SOTA…

作者丨happy编辑丨极市平台本文原创首发于极市平台公众号，转载请获得授权并标明出处。arXiv:https://arxiv.org/abs/2108.11250code：https://github.com/hustvl/YOLOPcode@opencv：https://github.com/hpc203/YOLOP-opencv-dnn2108 YOLOP.pdf本文是华中科技大学王兴刚团队在