- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习
【计算机视觉】一、计算机视觉概述
2、计算机图形学 通过几何基元，如线、圆和自由曲面，来生成图像。 计算机视觉中已有的许多方法与人类视觉极为相似。许多计算机视觉研究者对研究人类视觉计算模型比研究计算机视觉系统更感兴趣，希望计算机视觉更加自然化，更加接近生物视觉。 人脸识别 利用计算机视觉技术对人脸进行检测、识别和验证,在安全监控、刷脸支付、人员通行管理等领域有广泛应用。 2. 六、实践 1、OpenCV (C++/Python): 2D和3D特征工具包,用于图像处理 自我运动估计,通过图像确定相机运动 人脸识别系统 手势识别 人机交互(HCI) 移动机器人应用 运动理解 物体检测 图像分割和识别 立体视觉:利用两个相机获取深度感知 运动恢复(SFM) 运动视频跟踪 增强现实 2、MATLAB 用于数值计算和科学计算
2.1K10编辑于 2024-07-30 - 来自专栏编程
计算机视觉
一.计算机视觉 计算机视觉是人工智能 (AI) 的一个领域，是指让计算机和系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。 如果说人工智能赋予计算机思考的力，那么计算机视觉就是赋予发现、观察和理解的能力。计算机视觉的工作原理与人类视觉类似，只不过人类起步更早。 多样性与适应性：深度学习在多个领域都有应用，包括视觉识别、语音识别、自然语言处理、游戏、医学影像分析等 五.计算机视觉领域 六.计算机视觉应用 1.工业中的计算机视觉 在工业中，图像识别被应用于人工智能视觉检测 2.医疗保健中的计算机视觉 医疗保健中的计算机视觉是一个迅速发展的领域，其应用范围广泛，从影像分析到实时监测、从诊断支持到治疗计划的制定，都在其中扮演着至关重要的角色。 七.计算机视觉前景 计算机视觉的前景非常广阔，它被认为是人工智能和机器学习领域最具潜力的技术之一。
82210编辑于 2024-05-11 - 来自专栏目标检测和深度学习
全球最全计算机视觉资料（2：分类与检测）
1505.01749] You Only Look Once: Unified, Real-Time Object Detection [http://arxiv.org/abs/1506.02640] YOLOv2
57830发布于 2018-07-20 - 来自专栏程序人生 阅读快乐
OpenCV 2 计算机视觉编程手册_中文版
《OpenCV2计算机视觉编程手册》以案例的形式介绍OpenCV 2.X的新特性和C++新接口，案例中包含具体的代码与详细的说明。本书很好地平衡了基础知识与进阶内容，要求读者具有基础的C++知识。 本书既适合想要学习计算机视觉的C++初学者，也适合专业的软件开发人员。本书可作为高等院校计算机视觉课程的辅助教材，也可以作为图像处理和计算机视觉领域研究人员的参考手册。
1.2K10发布于 2018-10-10 - 来自专栏计算机工具
计算机视觉-LeNet
2的池化。 =6, kernel_size=5) self.max_pool1 = MaxPool2D(kernel_size=2, stride=2) # 尺寸的逻辑：池化层未改变通道数 ；当前通道数为6 # 创建第2个卷积层 self.conv2 = Conv2D(in_channels=6, out_channels=16, kernel_size=5 ) self.max_pool2 = MaxPool2D(kernel_size=2, stride=2) # 创建第3个卷积层 self.conv3 = # 网络的前向计算过程 def forward(self, x): x = self.conv1(x) # 每个卷积层使用Sigmoid激活函数，后面跟着一个2x2
71510编辑于 2024-12-14 - 来自专栏信息安全
计算机视觉入门
随着科技的飞速发展，计算机视觉技术逐渐渗透到我们生活的方方面面。无论是手机拍照的自动美颜功能，还是无人驾驶汽车的障碍物识别，都离不开计算机视觉的支持。那么，什么是计算机视觉？它又有哪些应用呢？ 接下来，让我们一起走进计算机视觉的世界。 计算机视觉是一门研究如何使计算机从图像或视频中获取信息并理解其内容的学科。简单来说，就是让计算机像人一样“看”世界，并从中提取有用的信息。 在计算机视觉的应用中，人脸识别无疑是最为人们所熟知的。无论是手机解锁，还是车站安检，人脸识别技术都发挥着重要作用。此外，计算机视觉还在医疗影像分析、安防监控、自动驾驶等领域发挥着巨大作用。 比如，在医疗领域，医生可以通过计算机视觉技术快速准确地识别出病变区域；在安防领域，智能监控系统可以实时监测并识别出异常行为。 当然，计算机视觉技术的发展也离不开深度学习的支持。 对于初学者来说，学习计算机视觉可能会有些困难，但只要掌握了基础知识，并多加实践，就一定能够掌握这门技术。同时，随着技术的不断进步，相信计算机视觉将会在未来的更多领域发挥更大的作用。
50310编辑于 2024-10-09 - 来自专栏腾讯云智能·AI公有云
腾讯云AI牵头制定2项计算机视觉标准
计算机视觉作为人工智能的关键技术之一，是目前人工智能应用于产业经济的重要驱动力。 然而，业界缺乏对计算机视觉系统在可靠性、安全性、规范性等的系统性测评方法和标准建立，一定程度上影响着计算机视觉系统的广泛应用和技术发展。 在腾讯优图实验室、腾讯标准团队支持下，腾讯云AI牵头了本次《人工智能 深度合成图像系统技术规范》、《人工智能 智能字符识别技术规范》2项标准的制定工作。 | 全球 Top2！
3.5K10编辑于 2022-08-26 - 来自专栏信数据得永生
OpenCV2 计算机视觉应用编程秘籍：6~10
八、检测和匹配兴趣点 在本章中，我们将介绍： 检测哈里斯角点 检测 FAST 特征 检测尺度不变的 SURF 特征 描述 SURF 特征 简介 在计算机视觉中，兴趣点的概念也被称为关键点或特征点， 在对象识别 为了解决这个问题，计算机视觉中引入了尺度不变特征的概念。 这里的主要思想是使比例因子与每个检测到的特征点相关。 近年来，已经提出了几种尺度不变的特征，该秘籍提出了其中之一，即 SURF 特征。 在本章中，您将学习多视图图像中存在的一些基本投影关系，以及如何在计算机视觉编程中使用它们。 我们还将继续在上一章的最终秘籍中发起的关于两视图特征匹配的讨论。 您将学习改善匹配结果的新策略。 cv-app-prog-cb/img/3241OS_09_equ_01.jpg)] 在计算机视觉中，可以通过多种方式简化此相机模型。 随着功能强大的计算机的出现，现在可以对视频序列进行高级视觉分析，并且有时以接近或什至比实际视频帧速率更快的速率进行。 本章将向您展示如何读取，处理和存储视频序列。
1.7K30编辑于 2023-04-27 - 来自专栏智能算法
机器视觉与计算机视觉的区别？
计算机视觉与机器视觉，首先是应用场景不一样，就像@Vinjn张静 回答的那样：你把摄像头对着人就是CV，对着车间就是MV。 计算机视觉和机器视觉应用场景不同，就像拉货车和载客车是的，侧重点不同而已，一个侧重人工智能分支，一个侧重工业应用！ 既然要求这么高，是不是机器视觉就比计算机视觉难呢？也不是的，应该说各有各的难处。 计算机视觉的应用场景相对复杂，要识别的物体类型也多，形状不规则，规律性不强。 以上讨论的是技术，商业方面，计算机视觉的应用面更广一些，毕竟很多业务是跟人相关，比如人脸识别，行为分析等，很多垂直领域都有计算机视觉潜在需求，相对来说，更适合创业； 而机器视觉顾名思义，业务主要跟机器相关 CV 更多注重（2D, 3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航）。 Wikipedia 转来个图： ?
3.6K111发布于 2018-04-03 - 来自专栏流川疯编写程序的艺术
推荐一个计算机视觉图书：python计算机视觉编程
lena.jpg')) imshow(im) x = [100, 100, 400, 400] y = [200, 500, 200, 500] plot(x, y, 'r*') plot(x[:2] , y[:2]) #axis('off') title('Plotting: "empire.jpg"') show() 这个编辑器着实不错，可以下断点，单步调试啥的，完全满足日常需要，python 又降低了进行计算机视觉相关研究的门槛啊 效果： ?
1.1K20发布于 2019-01-18 - 来自专栏52ai人工智能
什么是计算机视觉？什么是机器视觉？
然而，小伙伴们知道视觉对于机器人是多么难能可贵吗？我们平时所说的计算机视觉和机器视觉又有什么区别呢？今天小编就为大家讲一讲什么是计算机视觉、什么又是机器视觉。 机器视觉则偏重于计算机视觉技术工程化，能够自动获取和分析特定图像，以控制相应的行为。 1 计算机视觉 计算机视觉是指用摄像机和电脑及其他相关设备，对生物视觉的一种模拟。 如何让计算机从这些死板的数字里面读取到有意义的视觉线索，是计算机视觉应该解决的问题。 然而，计算机视觉发展多年，却依然存在着一系列难以解决的难题。 不过，也有学者认为，随着机器学习方法的日渐普及以及大数据科技的应用，计算机视觉实现质的突破也是指日可待的。 2 机器视觉 机器视觉是人工智能正在快速发展的一个分支。 图片.png ---- 原文链接：https://mp.weixin.qq.com/s/PVom2BwEUXw3z68cra9xNQ 欢迎关注“52AI人工智能”公众号。
1.7K31发布于 2019-01-18 - 来自专栏arXiv每日学术速递
计算机视觉学术速递
利用扩展数据集，我们开发和训练了接管时间（TOT）模型，这些模型在计算机视觉算法产生的中高级特征上依次运行，这些特征在不同的面向驾驶员的摄像机视图上运行，显示了在扩展数据集上训练的模型优于初始数据集。 Winter Conference of Computer Vision (WACV 2022) 链接：https://arxiv.org/abs/2107.12859 摘要：物体的自主装配是机器人技术和三维计算机视觉中的一项重要任务 我们检验了视觉特征的贡献，发现在Udacity和Comma2k19数据集上，一个输入视觉特征的模型的误差分别是不使用这些特征的模型误差的56.6%和66.9%。 respectively. 【3】 Computer Vision-Based Guidance Assistance Concept for Plowing Using RGB-D Camera 标题：基于计算机视觉的 像ImageNet这样的数据集彻底改变了计算机视觉应用，可以加速新型作物制图技术的发展。目前，美国农业部（USDA）每年发布耕地数据层（CDL），该数据层包含整个美利坚合众国分辨率为30m的作物标签。
2.7K40发布于 2021-07-29 - 来自专栏SIGAI学习与实践平台
计算机视觉文章盘点
cycle-consistency，降低视频标注成本 关键词：视频标注 论文解读 Receptive Field Block Net for Accurate and Fast 关键词：检测模型 计算机视觉技术 目标跟踪相关 行人检测算法综述 关键词：行人检测 行人重识别 PCB-RPP，SGGNN 关键词：行人重识别 【CVPR2018】最新 Video-based ReID 论文解读 关键词：ReID 视觉多目标跟踪算法综述 关键词：图匹配 图像分割技术介绍 关键词：图像分割 视频分割在移动端的算法进展综述 关键词：语义分割 视频语义分割介绍 关键词：语义分割 三维深度学习中的目标分类与语义分割 关键词：语义分割 基于单目视觉的三维重建算法综述
1.2K20发布于 2019-05-17 - 来自专栏arXiv每日学术速递
计算机视觉学术速递
我们的新颖之处包括使用投影2D检测和基于对象大小的模态融合纠正3D提议。这项工作是机器人视觉场景理解挑战（RVSU）的一部分。性能评估表明，我们的流水线改进了基线方法，没有明显的计算瓶颈。 Information Technology, School of Computer Science, Beijing Institute of Technology, Beijing , China 摘要：图像共分割在计算机视觉领域引起了广泛的关注 然而，在生成性对抗网络（GAN）的训练中利用这些视觉解释是计算机视觉研究中一个尚未探索的领域。事实上，我们认为这类信息可以以积极的方式影响GANs训练。 点云|SLAM|雷达|激光|深度RGBD相关(2篇) 【1】 Visual Enhanced 3D Point Cloud Reconstruction from A Single Image 标题：基于单幅图像的视觉增强三维点云重建 Centre for Craniofacial and Regenerative Biology, King’s College London, London SE,RT, UK 摘要：近年来，深入学习计算机视觉技术在许多成像领域取得了许多成功
2.6K30发布于 2021-08-24 - 来自专栏机器视觉工坊
计算机视觉入门基础
1、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一起检测的图像。 2、计算机视觉的应用 无人驾驶 无人安防 人脸识别 文字识别 车牌识别 以图搜图 VR/AR 3D重构 医学图像分析诊断 4、计算机视觉的实现基本过程为： 1）计算机从图片中生成数学模型。 2）计算机图形在模型中对图像进行绘制，然后在图像处理过程中将其作为输入，另外给出处理图像作为输出 。 ? 5、计算机视觉的理念在某些方面其实与很多概念有部分重叠，包括：人工智能、数字图像处理、机器学习、深度学习、模式识别、概率图模型、科学计算以及一系列的数学计算等。 6、计算机视觉库OpenCV是Intel开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。
1.1K20发布于 2020-07-28 - 来自专栏arXiv每日学术速递
计算机视觉学术速递
其中一个特征就是火焰中不同辐射区域的分割，因此本文对几种传统的计算机视觉和深度学习分割方法进行了探索性的研究。 张量能够有效地捕捉结构化的、潜在的语义空间和高阶的交互作用，在计算机视觉领域有着悠久的应用历史。随着计算机视觉深度学习范式转换的到来，张量变得更加重要。 本文在表征学习和深度学习的背景下对张量和张量方法进行了深入而实用的回顾，特别侧重于视觉数据分析和计算机视觉应用。 我们在量子计算机D波2000Q（2^11量子比特，绝热）上进行了实验。 该算法在未来的量子计算体系结构中具有向更高维度扩展的潜力，为解决三维计算机视觉和图形中的匹配问题开辟了多个新的方向。
2.7K20发布于 2021-07-27 - 来自专栏arXiv每日学术速递
计算机视觉学术速递
了解DNN模型对计算机辅助诊断模型的信心对于获得临床医生对基于DL的解决方案的信心和信任是必要的。为了解决这个问题，这项工作提出了三种不同的方法来量化皮肤癌检测图像的不确定性。 我们提出的FoleyGAN模型能够调节视觉事件的动作序列，从而产生视觉对齐的真实音轨。 在这篇文章中，我们详细介绍了各种基于医学影像学的研究，如X射线和计算机断层扫描（CT）图像，以及分类COVID-19感染与肺炎的DL方法。 近年来，计算机视觉和医学成像领域中的生成性对抗网络（Generative敌对网络，GANs）的发展为增强肿瘤检测和分析能力提供了基础。 本文针对这一问题，介绍了一个由以下部分组成的系统：1）基于高空间分辨率视觉的触觉传感器的触觉模拟器，用于三维物体的主动触摸；2） 基于网格的三维形状重建模型，该模型依赖于触觉或视觉信号；以及3）一组数据驱动的解决方案
2.1K20发布于 2021-07-27 - 来自专栏arXiv每日学术速递
计算机视觉学术速递
\url{this https URL} 链接：https://arxiv.org/abs/2107.12292 摘要：具有自我关注的Transformer引发了自然语言处理领域的一场革命，并在众多的计算机视觉任务中激发了 IEEE International Conference on Computer Vision (ICCV), 2021 链接：https://arxiv.org/abs/2107.12081 摘要：视觉文本识别无疑是计算机视觉中研究最广泛的课题之一 unchen,ETH Zurich,Westwell lab 备注：Accepted to ICCV 2021 链接：https://arxiv.org/abs/2107.11992 摘要：点云配准是三维计算机视觉中的一个基本问题 我们从计算机视觉和自然语言处理的不同数据集和任务来评估我们的方法。 在本文中，我们提出了一种多实例学习（MIL）技术，通过计算机视觉分析LC手术图像来评估胆囊壁血管。这些滤袋对应于53例手术中181gb图像的标记（低与高）血管数据集。
3.3K20发布于 2021-07-28 - 来自专栏arXiv每日学术速递
计算机视觉学术速递
在替代方法中使用成对值映射而不是单值映射允许用2倍更少的视觉元素来编码每个n-D点。一个n-D点的属性被划分为它的值对，并且每一对都被可视化为在相同的2-D笛卡尔坐标中的2-D点。 我们还用计算机视觉中流行的ResNet图像分类器进行了实验，进一步验证了我们的观点。Kinetics400上的结果与一些基于时空建模的最佳CNN方法相当。 卷积神经网络（CNN）通过引入图像处理中的诱导偏差，在许多计算机视觉任务中取得了优异的性能，并被确立为事实上的主干。 近年来，受Transformer在NLP任务中取得巨大成功的启发，视觉Transformer模型应运而生。与CNN相比，使用更少的诱导偏差，他们在计算机视觉任务中取得了很好的效果。 在这篇综述文章中，我们讨论了具身视觉语言规划（EVLP）任务，这是一系列突出的具身导航和操作问题，它们共同使用计算机视觉和自然语言。
3.2K30发布于 2021-07-02 - 来自专栏计算机工具
什么是计算机视觉,计算机视觉的主要任务及应用
什么是计算机视觉 研究者为了让机器像人一样“看懂”图像，研究了人类视觉系统，该系统包含眼球（接收光信号）、视网膜（光信号转换为电信号，传输到大脑）、大脑皮层（提取电信号中的有效特征，引导人做出反应）。 为了让机器模拟人类视觉系统，研究者用摄像头模拟“眼球”获得图像信息；用数字图像处理模拟“视网膜”将模拟图像变成数字图像，让计算机能识别；用计算机视觉模拟“大脑皮层”，设计算法提取图像特征，做识别检测等任务 机器模拟人类视觉系统便是机器视觉，也称计算机视觉（Computer Vision, CV），是在解决机器如何‘看’的问题。 2. 计算机视觉的主要任务及应用 计算机视觉应用非常广泛，有图像分类（Image Classification）、目标检测(Object Detection)、图像分割(Image Segmentation) 目标跟踪是计算机视觉中一个课题，具有重要的理论研究意义和应用价值，在智能视频监控系统、智能人机交互、智能交通和视觉导航系统等方面具有广泛应用。
3.5K10编辑于 2024-12-14
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