- 综合排序
- 最热优先
- 最新优先
- 来自专栏Mac资源随时更新
FxFactory pro 8，视觉特效包
FxFactory pro for mac是应用在Mac上的fcpx/ae/pr视觉特效插件包，包含了成百上千的视觉效果，支持 Final Cut Pro, Motion, After Effects 下载：FxFactory pro for mac 1、FxFactory mac提供快速访问Adobe After Effects, Final Cut Pro 或者Motion的视觉效果集合。 4、该FxFactory专业版，您可以制作自己的视觉效果，而无需编写一行代码。 5、用户可以检查所有插件并适当配置它们为你的项目，或创建一个基于现有的新的问题。
63530编辑于 2023-02-22 - 来自专栏互联网杂技
8个视觉稿设计工具，页面视觉和实时交互就靠它们
对于视觉设计师、交互设计师来说，他们需要做的不仅仅是设计一张张静态的页面和独立的icon，他们需要将这些元素整体组合在一起，根据整体画面感和视觉体验来做出修改。 因此，一款快速、方便的视觉稿设计工具就显得尤为重要，通过这些工具，设计师可以真实地看到网站呈现的效果，并且可以传递至其他同事，还可以更加便利地与用户进行沟通交流，查看反馈。 5、Webflow Webflow无需编写代码，你可以直接在浏览器中完成网站的视觉和交互设计并实时预览，设计师可以随时修改。 8、PSD Covers PSD Covers是一个免费的资源站点，不是Web应用程序或复杂的软件，在这里你可以下载到一套Photoshop动作，它提供PSD实体模型模板来渲染你的设计，以及高分辨率的仿
1.9K50发布于 2018-04-02 - 来自专栏智能算法
机器视觉算法(第8期)----OpenCV中事半功倍的工具函数
上期我们一起学习了OpenCV中很重要的几个辅助对象， 机器视觉算法(第7期)----OpenCV中很重要的辅助对象 今天我们主要学习一下OpenCV中几个让人事半功倍的工具函数。 除了前面我们学习的原始数据类型之外，OpenCV库还提供了一些专用功能，可用于更有效地处理计算机视觉应用中普遍出现的数学和其他问题。在库的环境中，被称为工具函数。
2.6K41发布于 2019-05-07 - 来自专栏Mac资源随时更新
FxFactory pro 8：视觉特效包插件 Mac中文版下载
FxFactory 是一款视觉特效包，包含了成百上千的视觉效果，打包了很多插件 调色插件，转场插件，视觉插件，特效插件，文字插件，音频插件，功能强大！ FxFactory pro 8：视觉特效包插件图片功能1、FxFactory mac提供快速访问Adobe After Effects, Final Cut Pro 或者Motion的视觉效果集合。 4、该FxFactory专业版，您可以制作自己的视觉效果，而无需编写一行代码。5、用户可以检查所有插件并适当配置它们为你的项目，或创建一个基于现有的新的问题。
67900编辑于 2022-09-03 - 来自专栏计算机视觉理论及其实现
计算机视觉最新进展概览(2021年8月8日到2021年8月14日)
这项工作解决了雾天基于激光雷达的三维目标检测的挑战性任务。在这种情况下收集和注释数据是非常费时费力的。在本文中，我们通过将物理上精确的雾模拟到晴好天气场景中来解决这个问题，从而可以将晴好天气中捕获的大量现有真实数据集重新用于我们的任务。我们的贡献有两个方面:1)我们开发了一种适用于任何激光雷达数据集的物理上有效的雾模拟方法。这释放了大规模雾天训练数据的获取，无需额外成本。这些部分合成的数据可用于提高几种感知方法的鲁棒性，例如对真实雾天数据的3D目标检测和跟踪或同时定位和映射。2)通过使用几种最先进的检测方法的大量实验，我们表明，我们的雾模拟可以显著提高雾存在时的3D目标检测性能。因此，我们第一个在透视雾数据集上提供强有力的3D目标检测基线。
1.1K30编辑于 2022-09-02 - 来自专栏深度学习和计算机视觉
计算机视觉 - 使用 YOLOv8 创建交通热力图
在计算机视觉领域，有许多技术可以解释从视频（录制、流媒体或实时）中获取的数据。在特定情况下，例如评估交通强度或某些对象（如人、车辆、动物等）的行为区域时，热力图成为一种非常有效的工具。 model = YOLO('yolov8m.pt') 接下来，我们需要指定要分析的视频路径。 heatmap_norm = cv2.normalize(heatmap_blurred, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U) heatmap_color
58510编辑于 2025-02-05 - 来自专栏AI
视觉
学习如何使用 GPT-4 来理解图像介绍具有视觉功能的 GPT-4 Turbo 允许模型接收图像并回答与之相关的问题。在历史上，语言模型系统受限于仅接收单一输入模态，即文本。 在探索视觉理解可以应用于哪些用例时，牢记模型的局限性是很重要的。 with open(image_path, "rb") as image_file: return base64.b64encode(image_file.read()).decode('utf-8' 限制虽然具备视觉功能的 GPT-4 功能强大，可以在许多情况下使用，但了解模型的局限性是很重要的。以下是我们所知的一些限制：医学图像：模型不适合解释专业医学图像，如 CT 扫描，不应用于医疗建议。 视觉元素：模型可能难以理解图表或文字中颜色或样式（如实线、虚线或点线）变化的情况。空间推理：模型在需要精确空间定位的任务上表现不佳，例如识别国际象棋位置。
1.4K10编辑于 2024-04-22 - 来自专栏计算机视觉理论及其实现
计算机视觉最前沿进展2021年8月15日到2021年8月21日
2、Contextual Convolutional Neural Networks我们提出了用于视觉识别的上下文卷积。CoConv是标准卷积的直接替代，标准卷积是卷积神经网络的核心组成部分。 CoConv受到神经科学研究的启发，这些研究表明(I)神经元，甚至来自初级视觉皮层(V1区)的神经元，都参与了上下文线索的检测，并且(ii)视觉神经元的活动可以受到完全置于其理论感受野之外的刺激的影响。 8、Deployment of Deep Neural Networks for Object Detection on Edge AI Devices with Runtime Optimization 然而，图像的相位谱对于鲁棒视觉系统的重要性仍然被忽略。在本文中，我们注意到神经网络趋向于收敛到与训练图像的高频成分密切相关的局部最优值，而振幅谱容易受到诸如噪声或常见噪声的干扰。 现有的作品侧重于人和物体的视觉和语言特征。然而，它们没有利用图像中存在的高级和语义关系，这为HOI推断提供了关键的上下文和详细的关系知识。
2.2K40编辑于 2022-09-02 - 来自专栏AI研习社
CV 新手避坑指南：计算机视觉常见的8个错误
我想和大家分享一下我在过去两年的计算机视觉工作中所发现或产生的错误的一些经验。我在会议上谈到过这个话题，很多人在会后告诉我：「是的，老兄，我也有很多这样的 bug。」 但是对于大多数计算机视觉应用程序来说，代码遗漏了一些重要的东西：切换到评估模式。 如果试图将动态 pytorch 图转换为静态 pytorch 图，则很容易识别此问题。 这里有一个危险的操作：将 float32 转到 uint8。 将 float32 转换为 uint8 也存在同样的问题：三次插值可以输出大于输入的值，并导致溢出。 ? 我发现了这个问题。在你的循环里面有断言也是一个好主意。 8.ImageNet 规范化 当一个人需要进行迁移学习时，通常最好像训练 ImageNet 时那样对图像进行标准化。 让我们使用我们已经熟悉的 albumentations 库。
69910发布于 2019-10-22 - 来自专栏Mac资源分享
最新FxFactory 8 Pro Mac直装激活版(视觉特效处理包)8.0.2
FxFactory 8 pro for Mac是一个mac上的全新的视觉特效软件包——强大的插件包合集，包含视觉效果工具箱与无与伦比的功能。 图片fxfactory功能亮点1、FxFactory mac提供快速访问Adobe After Effects, Final Cut Pro 或者Motion的视觉效果集合。 3、该FxFactory专业版，您可以制作自己的视觉效果，而无需编写一行代码。4、用户可以检查所有插件并适当配置它们为你的项目，或创建一个基于现有的新的问题。
56910编辑于 2022-08-23 - 来自专栏AI智韵
YoloV8改进策略：注意力改进|VOLO，视觉识别中的视觉展望器|即插即用|附代码+改进方法
摘要 论文介绍 本文参考的是《VOLO：视觉识别中的视觉展望器》一文，该论文主要讨论了视觉识别领域中卷积神经网络（CNNs）与视觉转换器（ViTs）的性能对比，并提出了一个新的模型架构——Vision 改进的效果 使用OutlookAttention模块改进YoloV8后，我们取得了以下效果： 性能提升： 在ImageNet分类任务上，改进后的YoloV8模型实现了更高的准确率，超过了原有的PSA模块 论文翻译：《VOLO：视觉识别中的视觉展望器》 https://arxiv.org/pdf/2106.13112 视觉识别领域多年来一直被卷积神经网络（CNNs）所主导。 引言 视觉识别领域的建模长期由卷积神经网络（CNNs）主导，但最近已被视觉转换器（ViTs）[14, 51, 68]彻底改变。 所有模型都可以在配备8个A100 GPU的机器节点上进行训练。对于Cityscapes，我们将批量大小设置为8，输入分辨率设置为。对于ADE20K，批量大小设置为16，输入分辨率为。
3.2K11编辑于 2024-11-13 - 来自专栏AI智韵
YoloV8改进策略：BackBone改进|PoolFormer赋能YoloV8，视觉检测性能显著提升的创新尝试
近期，我们大胆尝试将前沿的PoolFormer主干网络引入经典的目标检测框架YoloV8中，这一创新性融合不仅为YoloV8注入了新的活力，更在检测精度与效率上实现了双重飞跃，成为目标检测领域的一股强劲新风 融合之美：PoolFormer+YoloV8 本次研究中，我们创新性地将PoolFormer作为主干网络引入YoloV8，通过替换原有的主干结构，实现了对图像特征的高效提取与表征。 引言 Transformer在计算机视觉领域引起了广泛的关注和取得了巨大的成功[3,8,44,55]。 受Transformer在NLP领域成功的启发，许多研究人员将注意力机制和Transformer应用于视觉任务[3,8,44,55]。 结果发现，由此得出的PoolFormer模型能在不同的视觉任务上取得具有竞争力的性能，这很好地支持了“MetaFormer正是视觉任务所需”的观点。
90010编辑于 2024-10-22 - 来自专栏算法工程师的学习日志
8.图像视觉(1) --鱼眼摄像头标定和图像畸变矫正
前言：最近项目上研究鱼眼摄像头的画面畸变问题，对比了基于Matlab和Python Opencv的方法，分别进行了摄像头的标定和图像矫正，实际结果个人认为Opencv的效果为佳，本文分享一下基于Matlab的鱼眼摄像头标定和图像畸变矫正。
5.9K20编辑于 2022-07-27 - 来自专栏AIGC 先锋科技
基于 YOLOv8 和计算机视觉 CV 的实时识别系统！
为此，本文提出了一种利用先进的深度学习和计算机视觉技术对马拉雅拉姆语手语进行识别的方法。 作者从开发一个标记的马拉雅拉姆字母数据集开始，并使用先进的深度学习技术如YOLOv8和计算机视觉进行识别。 提出了一种使用YOLOv8和计算机视觉技术进行马来语手语识别的方法。 实验验证了所提出的系统，展示了其在开发包容性人工智能应用程序中的实用性。 YOLOv8保持了用户友好的界面，符合Ultralytics对简洁性的承诺，同时没有牺牲在复杂计算机视觉任务中模型的深度。 YOLOv8 YOLOv8是一种基于深度学习和计算机视觉前沿进展的实时目标检测和图像分割模型，提供卓越的速度和准确性。其简化的架构适用于广泛的应用，并且易于扩展到各种硬件平台，从边缘设备到云API。 基于YOLO架构，Ultralytics的YOLOv8以其在实时目标检测中的效率和速度而闻名。它融合了模型架构、训练策略和部署选项的进步，使其成为计算机视觉应用中的热门选择。
1.4K10编辑于 2024-07-08 - 来自专栏深度学习和计算机视觉
视觉工程师必备视觉知识
一 、机器视觉优势 机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。 人工检测与机器视觉自动检测的主要区别有： 二 、案例 为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量 该应用采用了深圳**龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。 （8）相机--分辨率 由相机所采用的芯片分辨率决定，是芯片靶面排列的像元数量。
58310编辑于 2024-09-25 - 来自专栏Mac/Win软件
FxFactory pro 8 for Mac(视觉特效包处理工具)8.0.4(7286)中文直装
FxFactory pro for mac是应用在Mac上的fcpx/ae/pr视觉特效插件包，包含了成百上千的视觉效果，支持 Final Cut Pro, Motion, After Effects 地址：FxFactory pro 8 for Mac(视觉特效包处理工具) 图片此版本8.0.4提高了与Final Cut Pro 10.6.5、Premiere Pro 2023和After Effects FxFactory是为视频编辑器设计的大量视觉效果插件、音频插件和应用程序。提供了一种优雅便捷的方式来预览插件产品。支持OpenCL和Metal GPU加速。 几百个插件上万种预设：如片头插件，LOGO插件，炫光插件，Nodes点线粒子插件，胶片插件，磨皮插件，调色插件（曲线，色阶，颜色轮，二级调色，），对话框插件，字幕条插件，高科技全息插件，破碎插件，多种转场插件，视觉插件
75010编辑于 2022-11-01 - 来自专栏人工智能领域
视觉识别技术：开启智能视觉新时代
视觉识别技术的简介 视觉识别技术，通常被称为计算机视觉，是指使用计算机模拟人类视觉系统来解释和理解图像和视频数据的过程。 视觉识别技术的核心在于能够从视觉世界中提取有用的信息，并将其转化为可操作的数据。 视觉识别系统 (简称VI，英文Visual Identity的缩写 )是运用系统的、统一的视觉符号系统。 一、视觉识别技术的基础 1.计算机视觉的起源和发展 1.1计算机视觉的基本概念 计算机视觉是一门研究如何使机器“看”的科学，它旨在利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 争议解决，2022, 8(2): 232-237. DOI: 10.12677/ds.2022.82032. 4、防范AI诈骗：技术、教育与法律的共同防线 5、详细的人工智能学习路线和资料推荐 6、利用AI提高内容生产效率的五个方案 7、目前国内AI大厂大模型列表优缺点、原理、使用、案例和注意事项 8、Stable
2K10编辑于 2024-12-18 - 来自专栏机器人视觉
为何工业4.0离不开机器视觉 看人类视觉VS机器视觉
机器视觉是实现工业自动化强有力的工具，与人类视觉相比，机器视觉的可靠性更高，客观性更强，持续工作时间越长。 一套机器视觉系统一般包含光源、镜头、工业相机、机器视觉软件等软硬件产品，工业相机在合适的光照下采集被测物的图像，再由机器视觉视觉软件对图像进行数字化分析及处理。 机器视觉和人类视觉的差别： 1、观测精度 人类视觉：人类手工操作无法达到高精度要求。 机器视觉：识别精度和抓取精度均高于人类操作精度，可精准地控制位移量。 ：目前有4K×4K的面阵相机和8K的线阵相机，通过备置各种光学镜头，可观测小到微米大到天体的目标 5、速度 人类视觉：人眼无法看清快速运动的目标 机器视觉：快门时间可达到10μs左右，高速像机帧率可达到 8、环境要求 人类视觉：对环境温度、湿度的适应性差，另外有许多场合对人有损害 机器视觉：对环境适应性强，另外可加防护装置 9、环境适应 人类视觉：人类在长期恶劣的环境中工作（比如激光环境等）对身体健康有很大的影响
1.1K20编辑于 2022-11-14 - 来自专栏工业缺陷检测
使用YOLOv8进行工业视觉缺陷检测，基于Aidlux完成本地终端部署
引言 工业视觉缺陷检测系统是一种利用计算机视觉技术，通过分析生产过程中的图像和视频数据，来检测工业产品是否存在缺陷或质量问题的系统。 本项目旨在开发一种高效的工业视觉缺陷检测系统，利用YOLOv8模型进行目标检测，并基于AidLux平台完成本地终端部署推理，以满足工业生产中对产品质量控制的需求。 2. 通过引入SIou，我们进一步提高了YOLOv8模型的性能，使其更适用于工业视觉缺陷检测任务。 这为工业视觉缺陷检测项目提供了跨平台部署的便利，并有助于确保项目的成功实施。 4.3. 8.
2.2K11编辑于 2023-09-11 - 来自专栏总结xyp
YOLOv8-QSD: 革新自动驾驶视觉感知的小目标检测算法
YOLOv8-QSD是一种为了提高自动驾驶车辆在复杂交通环境中检测小物体的准确性和速度而设计的改进型算法。它基于YOLOv8，并采用结构重参数化技术优化了多样化分支块（DBB）模型。 在SODA-A数据集上的测试结果显示，YOLOv8-QSD在速度和准确性方面均优于YOLOv8，准确率达到64.5%，计算需求降低了7.1 GFLOPs。 YOLOv8-QSD在白天环境下的检测结果，可以看到，YOLOv8-QSD能够准确地检测到远距离的小目标，即使是在部分遮挡的情况下：YOLOv8-QSD在夜晚环境下的检测性能，结果表明，即使在光照条件不理想的情况下 ，YOLOv8-QSD仍然能够保持较高的检测精度：YOLOv8-QSD在不同天气条件下的检测结果，虽然在雨雾天气下检测性能略有下降，但总体上模型表现出了良好的鲁棒性：6.实车实验：我们将YOLOv8-QSD 与YOLOv8相比，YOLOv8-QSD在检测小目标方面显示出显著的性能提升，同时保持了实时性能和轻量化设计。
1.3K10编辑于 2025-03-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号