暂无搜索历史
文本相似度计算是自然语言处理(NLP)中一项基础而关键的技术,旨在量化两段文本在语义或形式上的接近程度。它是智能搜索、问答系统、推荐引擎、抄袭检测等应用的核心支...
关系抽取(Relation Extraction, RE)属于自然语言处理中信息抽取范畴,可以从非结构化文本中自动识别两个或多个实体之间的语义关系。它是构建知识...
命名实体识别(Named Entity Recognition, NER)是自然语言处理(NLP)中一项基础而关键的信息抽取任务,其目标是从非结构化文本中自动识...
情感分析(Sentiment Analysis),又称意见挖掘(Opinion Mining),旨在自动识别和提取文本中表达的主观情感、态度或情绪。从用户评论到...
📌 注意:本章标题“计算机视觉 详细介绍第5章 文本分类”存在学科混淆。 文本分类(Text Classification)属于自然语言处理(NLP)领域,而非...
在自然语言处理(NLP)中,文本表示是将人类可读的语言转化为计算机可计算的数值形式的核心步骤。没有合适的表示,模型就无法“理解”语言。本章将系统介绍从传统离散表...
文本预处理是自然语言处理(NLP)流程中的基石环节。原始文本往往包含噪声、格式混乱、语言差异等问题,若不经过清洗和规范化,会严重影响后续模型的性能。本章将系统介...
自然语言处理(NLP)虽是计算机科学的分支,但其根基深深扎在语言学之中。无论是分词、句法分析,还是语义理解,都离不开对人类语言结构规律的认知。本章将系统介绍 N...
自然语言处理(Natural Language Processing,简称 NLP)是人工智能(AI)领域中最具挑战性、也最贴近人类日常生活的分支之一。它致力于...
自然语言处理
学习目标:掌握图像-文本、图像-深度、视频-语音等多模态融合的基本原理,能使用 OpenCV 联合其他工具(如 CLIP、Open3D、Whisper)完成跨模...
学习目标:掌握将 OpenCV 视觉算法和深度学习模型部署到树莓派、Android 手机等资源受限设备的核心方法,实现离线、低功耗、实时的边缘视觉应用。
学习目标:掌握 YOLO 系列目标检测与 Mask R-CNN / SAM 图像分割在 OpenCV 中的部署方法,实现 CPU/GPU 加速的实时推理,并完成...
学习目标:掌握 OpenCV-DNN 模块的核心用法,能加载 PyTorch/TensorFlow/ONNX 预训练模型,在 OpenCV 中实现图像分类、目标...
项目目标:构建一个完整的视频处理系统—— ✅ 第一帧自动检测人脸 → 启动跟踪器 → 后续帧高效跟踪 ✅ 跟踪丢失时自动重新检测 ✅ 支持摄像头或视频文件输入
学习目标:掌握常见图像滤镜(黑白、复古、浮雕、马赛克)的实现原理与代码,能灵活组合 OpenCV 和 NumPy 操作,自定义创意视觉效果。
学习目标:掌握将2~3张具有重叠区域的图像自动拼接为一张无缝全景图的核心流程,理解特征匹配、单应性变换与图像融合三大关键技术,并能用 OpenCV 实现端到端的...
学习目标:掌握基于形状分析(轮廓 + 多边形近似)和颜色识别(HSV 色域分割)的简单物体识别方法,能从图像或视频中自动识别圆形、矩形、三角形及特定颜色的物体。
暂未填写个人网址