- 博客(100)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 450亿参数加持！字节跳动 开源MegaTTS3 模型，开启语音合成新时代
MegaTTS3 是由字节跳动推出的一款超大规模语音合成模型，参数量高达 450亿 ，是目前业内最强大的 TTS 模型之一。
2025-04-02 10:42:07
336
原创 阿里端到端全模态模型Qwen2.5-Omni开源，文本/图像/音频/视频一网打尽
Qwen2.5-Omni核心是全能多模态理解生成，支持文本、图像、音视频输入，并能输出文本和语音，支持实时音视频交互，支持分块输入和即时输出，理解和执行语音指令能力强，效果可媲美文本输入。
2025-03-28 11:02:26
472
原创 最强原生多模态+推理模型：Gemini2.5 Pro （特别适合长文本处理），AI智商天花板
Gemini 2.5 Pro 在一系列需要高级推理的基准测试中处于行业领先地位。无需增加成本的测试时间技术，如多数投票，2.5 Pro 在数学和科学基准测试中如 GPQA 和 AIME 2025 中领先。
2025-03-27 15:36:36
201
原创 可以媲美YOLO的开源实时目标检测模型：RF-DETR，在 COCO 上达到 SOTA 水平，并专为微调设计
RF-DETR 是第一个在 Microsoft COCO 基准测试中超过 60 AP 的实时模型，同时在基础尺寸下具有竞争力。
2025-03-26 10:57:11
735
原创 AI生成定理动画革命：TEA双智能体架构揭秘，视觉诊断超越文本推理
TheoremExplainAgent（TEA），一个旨在通过多个专业代理自动生成视频的代理型管道，如图 3 所示。该过程从规划代理开始，根据指定的定理创建一个高级视频计划。
2025-03-24 10:23:11
591
原创 阶跃星辰开源300亿参数视频模型Step-Video-TI2V：运动可控+102帧长视频生成
阶跃星辰（StepFun）正式开源其新一代图生视频模型 Step-Video-TI2V ，该模型基于300亿参数的Step-Video-T2V训练，支持文本与图像联合驱动生成长达102帧的高质量视频，在运动控制与场景适配性上实现突破。
2025-03-21 10:18:35
893
原创 多模态文档处理新标杆：开源SmolDocling以256M参数精准识别文本、公式、图表
SmolDocling 是一种多模态图像文本到文本模型，旨在实现高效的文档转换。它保留了 Docling 最受欢迎的功能，同时通过对 DoclingDocuments 的无缝支持确保与 Docling 完全兼容。
2025-03-20 15:26:59
693
原创 Mistral AI发布开源多模态模型Mistral Small 3.1：240亿参数实现超越GPT-4o Mini的性能
Mistral AI发布开源多模态模型Mistral Small 3.1：240亿参数实现超越GPT-4o Mini的性能
2025-03-19 16:52:25
1162
原创 首款3D建模专用的AI员工BlenderMCP
BlenderMCP 通过模型上下文协议（MCP）将 Blender 连接到 Claude AI，使 Claude 能够直接与 Blender 交互和控制。这种集成实现了辅助提示的 3D 建模、场景创建和操作。
2025-03-13 10:01:10
805
原创 推荐几个热门的开源AI图像处理模型
Real-ESRGAN 通用图像/视频修复的实用算法，使用纯合成数据训练真实世界的盲超分辨率；SUPIR 用于野外真实照片图像恢复的实用算法；CodeFormer 用于人脸修复，面向具有代码本查找变换器的鲁棒盲人脸修复......
2025-03-12 10:39:21
483
原创 OlmOCR，被誉为可在本地部署的顶尖OCR大模型
allenai/olmocr是由Allen人工智能研究所(AI2)开发的一个开源工具包,旨在高效地将PDF和其他文档转换为结构化的纯文本,同时保持自然阅读顺序。
2025-03-11 09:53:47
805
原创 全球第一个内化agent工具使用能力的开源推理模型：QWQ-32B (国产开源)
QWQ-32B：阿里重磅推出与deepseek媲美的推理模型QWQ，全球第一个内化agent工具使用能力的开源推理模型，可大大降低本地化部署成本，只需要48G显存即可具备deepseek-r1的效果。
2025-03-10 11:58:35
724
转载 最新技术：YOLO-World-V2.1 实时进行开放词汇目标检测
YOLO-World 提出了一种先提示后检测的范式，用于高效的用户词汇推理，将词汇嵌入作为参数重新参数化到模型中，实现了更快的推理速度。
2025-03-07 10:28:01
32
原创 人脸识别技术如何改善金融交易的安全性和可靠性？
人脸识别技术是一种基于人脸特征进行身份认证的技术。随着技术的不断进步和应用的广泛推广，人脸识别技术已经在金融领域得到了广泛的应用。
2023-07-14 10:21:36
586
原创 使用面部识别技术有哪些潜在缺点？
随着人工智能技术的不断发展，面部识别技术已经被广泛应用于安全、金融、医疗、教育等领域。人脸识别技术可以快速、准确地识别人脸，从而提高工作效率，提供更好的安全保障等。但是，面部识别技术也存在一些潜在缺点和隐患。
2023-07-13 21:10:51
1982
原创 面部识别技术VS其他生物识别技术：哪种更安全、更准确、更可靠？
面部识别技术与其他生物识别技术相比，具有技术原理简单、应用场景广泛、准确性高、安全性较好、可用性较高等优点。但面部识别技术也存在一些局限性，如受到光线、姿态、表情等因素的影响，易受到攻击等。因此，在实际应用中，需要根据具体应用场景和需求，选择适合的生物识别技术，并采取相应的安全措施，保护个人隐私和数据安全。
2023-07-11 13:08:09
1937
原创 TensorFlow、PyTorch、MXNet等深度学习框架在对象检测和语义分割中的优缺点分析
对象检测和语义分割是计算机视觉领域的两个重要任务。随着深度学习技术的不断发展，出现了很多流行的深度学习框架，如TensorFlow、PyTorch、MXNet、Caffe等。这些框架提供了丰富的神经网络模型和算法，方便开发者快速搭建和训练自己的模型。
2023-07-10 16:07:10
1776
原创 保护个人隐私、确保公平性、提高安全性：如何规范面部识别技术？
面部识别技术是一种通过计算机视觉技术，对人脸特征进行捕捉、提取、匹配和识别的技术。它具有高效、便捷、准确等优点，已被广泛应用于安全监控、金融支付、社交娱乐等领域。然而，随着面部识别技术的广泛应用，也引发了一系列的隐私、公平、安全等问题，其中包括潜在的缺点。
2023-07-07 13:19:32
389
原创 人脸识别技术助力智能交通 从门禁到支付再到交通指挥
人脸识别技术在智能交通领域的应用前景广阔，但其中也存在着一些技术挑战和隐私保护问题，需要加强技术研究和隐私保护措施。未来，随着人工智能技术的不断发展和进步，人脸识别技术在智能交通领域的应用将会更加广泛和深入，为智慧城市建设和交通管理带来更多的便利和效益。
2023-07-06 14:50:44
355
原创 对象检测和语义分割有哪些实际应用？
对象检测和语义分割是计算机视觉领域中两个重要的任务。它们在图像识别、智能交通、医学影像分析等领域具有广泛的应用。
2023-07-05 12:08:39
237
原创 计算机视觉领域的双璧之称 对象检测与语义分割
对象检测和语义分割是计算机视觉领域中两个重要的任务。它们在图像识别、智能交通、医学影像分析等领域具有广泛的应用。
2023-06-29 14:35:34
828
原创 基于分形的置乱算法和基于混沌系统的置乱算法哪种更安全？
在信息安全领域中，置乱算法是一种重要的加密手段，它可以将明文进行混淆和打乱，从而实现保密性和安全性。常见的置乱算法包括基于分形的置乱算法和基于混沌系统的置乱算法。
2023-06-27 17:26:32
1183
原创 图像分析技术大比拼：图像分类、图像识别、目标检测的优缺点分析与算法比较
图像分类、图像识别和目标检测是计算机视觉领域中三个重要的任务，它们之间有些许的关系，但也有很大的区别。在实际应用中，需要根据具体的场景和需求选择合适的任务和算法。
2023-06-26 15:27:27
8064
原创 数据预处理和模型架构是提高人脸识别模型准确率的关键
人脸识别技术作为计算机视觉领域的一项重要技术，被广泛应用于安全监控、身份验证、智能交通、人脸支付等领域。如何提高人脸识别模型的质量，是人脸识别技术研究的重要方向之一。
2023-06-21 13:43:42
1330
原创 数据预处理和模型架构是提高人脸识别模型准确率的关键
面部分析技术是一种基于计算机视觉和机器学习的技术，通过对人脸图像的分析，可以识别人脸的各种属性，比如年龄、性别、表情、情绪等等。这种技术在人脸识别、安防监控、人机交互、虚拟现实等领域有着广泛的应用。然而，面部分析技术的数据集问题一直是制约其发展的一个瓶颈。
2023-06-20 11:46:51
352
原创 提高面部分析技术准确性和智能化的关键策略
随着人工智能技术的发展，面部分析技术已经成为了人工智能领域的一个重要研究方向。面部分析技术可以对人脸图像进行识别、分析和比对，广泛应用于人脸识别、身份认证、安防监控、医疗诊断等领域。然而，面部分析技术的准确性和智能化程度还有待提高。
2023-06-19 09:23:37
296
原创 常用的几种图像置乱算法
图像置乱算法是一种用于保护图像信息安全的技术，它可以将原始的图像信息进行加密和混淆，使得未经授权的用户无法获取到原始的图像信息。在信息安全领域中，图像置乱技术被广泛应用于图像加密、数字水印、安全传输等方面。
2023-06-17 16:35:50
2789
转载 图像处理库大比拼：OpenCV、FreeImage、Clmg、CxImage谁更胜一筹？
OpenCV、FreeImage、Clmg、CxImage 是图像处理领域的四个重要开源库各有优缺点，用户在选择库的时候需要根据自己的需求和实际情况进行选择。
2023-06-16 16:09:41
7223
原创 图像特征检测和描述的算法及特征描述符匹配方法
蛮力匹配算法计算每对特征描述符之间的距离（例如，欧几里得距离、汉明距离等），并为每个特征描述符找到最佳匹配（即距离最小的匹配）。SIFT（尺度不变特征变换，Scale-Invariant Feature Transform）、SURF（加速鲁棒特征，Speeded-Up Robust Features）和ORB（带方向的快速旋转特征，Oriented FAST and Rotated BRIEF）都是用于图像特征检测和描述的算法。1. **SIFT**：SIFT是一种基于梯度信息的特征点检测和描述算法。
2023-05-30 07:30:00
252
原创 基于高速相机的近地落点三维坐标测试方法
高速相机可以捕捉到高帧率的图像序列，这使得它们非常适合用于捕获快速运动的物体，如近地落点。另外，你还需要实现特征检测和匹配的部分，以便在左右图像中找到匹配的落点特征点。请注意，这种方法的准确性受到多种因素的影响，例如相机标定的准确性、图像质量以及特征检测和匹配的性能。- 进行立体标定以获取相机之间的外参（R和T），即旋转矩阵（R）和平移向量（T）。- 对每台相机进行内参标定，获取它们的内参矩阵（K）和畸变系数（D）。- 将相机安装在固定且已知的位置，使相机成一定的夹角，以便从不同角度观察落点。
2023-05-28 07:30:00
753
原创 机器视觉图像分析领域，单目测量和双目测量有什么区别和用途？
2. 机器人视觉导航：在轻量级的移动机器人平台上，单目摄像头可以用于进行视觉里程计、地图构建和定位等任务，辅助机器人进行导航。1. 无人机定位与导航：单目摄像头可以用于无人机的视觉定位与导航，通过捕捉地面特征点，实现无人机的姿态估计和位置定位。1. 深度估计：双目摄像头可以直接获取物体的深度信息，用于构建稠密的三维点云地图，适用于机器人导航、环境建模等任务。3. 物体尺寸测量：在一些工业应用中，单目摄像头可以用于测量物体的尺寸，例如长度、宽度和高度等。单目测量和双目测量在许多应用场景中都有广泛的应用。
2023-05-27 08:00:00
1145
原创 不依赖其他系统，检测火车接近的几种可行的方法
当火车接近平交道时，读写器能检测到RFID标签的信号，并计算火车距离平交道的距离。在平交道附近安装光电传感器，当火车遮挡或反射传感器发出的光线时，系统可以检测到火车的接近。在平交道附近安装激光测距仪，当火车接近时，测距仪可以获取火车与平交道之间的距离。当火车行驶至平交道附近时，由于轨道的振动，传感器会产生信号。通过对信号的实时分析，可以检测到火车的接近，并为系统提供实时信息。在钢轨一侧安装磁钢，当火车车轮通过是切割磁力线产生电流，即可判断火车是否通过，这种方法可以测速及根据车轮间距判断车辆类型。
2023-05-26 21:46:50
625
原创 单目相机通过图像分析方式如何计算物体上下运动距离地面的高度？
4. **计算物体的高度**：要计算物体的高度，需要了解摄像头的内参和外参。）计算物体底部相对于摄像头的实际偏移：根据相似三角形的几何关系，可以计算物体底部相对于摄像头的实际偏移（ΔX, ΔY）： Copy ΔX = (Δx_p * H) / f ΔY = (Δy_p * H) / f ```）计算物体底部相对于主点的像素偏移：使用主点坐标（c_x, c_y）计算物体底部中心点相对于主点的像素偏移： Copy Δx_p = x_p - c_x Δy_p = y_p - c_y ```
2023-05-25 21:25:20
1858
原创 GPRS 4G NBIOT LORAD 之间有什么区别，都适用于哪种应用场景？
2. 4G：4G是第四代移动通信技术，它提供更高的数据传输速率和更低的延迟，支持高速数据传输、实时视频和音频通信等应用。不同的通信技术适用于不同的应用场景。GPRS适用于低速率的数据传输，4G适用于大量数据传输和高带宽应用场景，NB-IoT适用于物联网传感器网络、智能家居、远程监测等低功耗、大规模连接的物联网应用，而LoRa适用于需要长距离通信和抗干扰能力的应用场景，如智能城市、农业、环境监测等。不同的通信技术有不同的特点和适用场景，选择合适的通信技术需要考虑应用需求、覆盖范围、传输速率、功耗等因素。
2023-05-24 20:59:28
1551
原创 网络高并发通信c++库 Muduo
4. TcpConnection（TCP 连接）：TcpConnection 类表示一个 TCP 连接，它包含了连接的状态信息、读写缓冲区以及与连接相关的回调函数。5. TcpServer（TCP 服务器）：TcpServer 类是 Muduo 库中的一个高级组件，它封装了 TCP 服务器的创建、管理和销毁等逻辑。1. 事件循环（EventLoop）：事件循环是 Muduo 库中最核心的组件，它负责监听事件并根据事件类型调用相应的回调函数。2. 基于事件驱动的异步编程模型，可实现高并发、低延迟的网络服务。
2023-05-23 22:16:45
787
原创 Flutter vue 有什么区别，它们都支持哪些平台？
对于 Android 和 iOS 平台，Flutter 提供了完整的支持，并且可以直接访问原生 API，具有很高的性能和用户体验；对于桌面平台，Flutter 提供了 Flutter for Desktop，可以将 Flutter 应用程序编译成 Windows、macOS 和 Linux 等桌面应用程序；对于移动应用程序开发，Vue 可以使用诸如 Weex、uni-app 等框架来构建跨平台移动应用程序，也可以使用 NativeScript 等框架来构建原生的移动应用程序。
2023-05-21 21:58:18
3583
1
原创 物体检测算法比较,项目开发中如何选择合适的检测算法？
1. R-CNN（Region-based Convolutional Networks）：R-CNN 是一种基于区域的卷积神经网络，首先使用选择性搜索（Selective Search）提取图像中的潜在物体区域，然后使用卷积神经网络（CNN）对每个区域进行特征提取和分类。不同的物体检测算法对计算资源的需求不同。如果任务对准确性有较高要求，可以考虑使用 R-CNN 系列算法（如 Faster R-CNN）或其他在准确性上表现较好的算法（如 RetinaNet、EfficientDet）。
2023-05-19 08:57:15
442
原创 基于图像的目标检测算法YOLO 和 SSD 的区别是什么？
YOLO：YOLO将输入图像划分为SxS个网格，并为每个网格预测B个边界框，以及每个边界框的物体类别和置信度。在每个特征图单元上，SSD预测边界框的相对偏移量和尺寸，并结合先验框的坐标和尺寸计算真实的边界框。然而，由于其使用多尺度特征图和较多的默认框，SSD在计算上可能比YOLO更昂贵。- SSD：SSD可以更好地检测各种大小的物体，因为它利用多尺度特征图来预测边界框。- YOLO：YOLO对小物体的检测性能较差，因为使用单一尺度的特征图限制了其捕捉不同大小物体的能力。
2023-05-17 20:45:05
4863
1
原创 利用图像分析技术对铁路平交道口进行检测，以防止火车与行车、车辆相撞造成事故
通过使用目标检测技术、特征提取技术和机器学习技术等方法，我们可以准确地识别出图像中的车辆和行人等障碍物，并进行预警，从而有效地防止火车与行车、车辆相撞造成事故。在铁路平交道口检测中，我们可以使用机器学习技术来训练模型，并从大量数据中学习如何识别车辆和行人等目标。例如，我们可以使用基于深度学习的目标检测算法，如YOLO、Faster R-CNN等，来准确地检测出图像中的车辆和行人等目标。例如，我们可以使用基于颜色特征的算法，如HSV颜色空间、RGB颜色空间等，来识别出图像中的车辆和行人等目标。
2023-05-13 10:46:57
289
数字图像分割色彩空间的转换-案例分享 餐厅火腿截面轮廓
2023-04-18
掌握Nginx HTTP-FLV视频流服务器 的安装、配置、测试和Web调用技巧，适合初学者和进阶者使用
2023-04-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人