- 博客(138)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 AI突破极限：颠覆传统的图像拼接算法全面教程与独家优化方法（附源码）
大家好，我是cv君，今天给大家带来前两年我的一个精品项目与项目优化，方向非常nice，属于low level的AI算法实战，带原理解析和优化教程：无监督的图像拼接和特征匹配；大家通过这个项目，以及跟着cv君一步步改进算法，对毕设和论文有大帮助；附带源码和原数据，可以直接引用哦。我们今天介绍ICCV 2023年的图像拼接与重建作品，效果非常不错：然后带大家独家优化和技巧教学，项目含金量不错，难度非常高，我们先一步步来；带大家进行各种算法的优化。这里面的warp算法和comp算法，
2024-08-23 21:30:00
14031
原创 【精品实战项目】深度学习预测、深度强化学习优化、附源码数据手把手教学
【精品实战项目】深度学习预测、深度强化学习优化芯片、附源码数据手把手教hello， 大家好，我是cv君，今天给大家带来很久之前的实战项目，这个项目稍微庞大、完整一些，附带源码、原数据、手把手教学，大家跟着我走完，既可以学到神经网络预测任务，也可以学到强化学习等算法的应用，这个做好了，什么本科毕设、研究生大论文都可以搞定。这个项目附带了大量的专业知识，领域很垂直，附带了数据，大家可以简单学习各个模块，非常有用，可以学会神经网络与深度学习是如何预测数据的，还可以怎么优化结果，还有DDPG强化学习源码与优化算法。
2024-08-22 21:13:15
16460
原创 cv君独家视角 | AI内幕系列十四：【手机、相机防抖大揭秘】数字防抖、鸡头防抖、光学防抖、AI防抖等(附源码+长期更新)
【手机、相机防抖大揭秘】数字防抖、鸡头防抖、光学防抖、AI防抖等(附源码+长期更新)
2024-08-08 20:55:58
26438
10
原创 【YOLOv8十万长文优化】独家魔改优化技巧+附20余个源码手把手教程
【YOLOv8十万长文全解】v8 v9通用。独家魔改优化技巧+附20余个源码手把手教程; Hello，大家好，我是cv君，最近开始在空闲之余，经常更新文章啦！除目标检测、分类、分隔、姿态估计等任务外，还会涵盖图像增强领域，如超分辨率、画质增强、降噪、夜视增强、去雾去雨、ISP、海思高通成像ISP等、AI-ISP、还会有多模态、文本nlp领域、视觉语言大模型、lora、chatgpt等理论与实践文章更新，更新将变成一周2-3更，一个月争取10篇，重回创作巅峰
2024-08-01 21:07:10
28516
7
原创 【一文全解图像超分】附数十个算法及独家源码+手把手教学及优化攻略！
【一文全解图像超分】附数十个算法及独家源码+手把手教学及优化攻略！超分有图像超分、视频超分，两者有一定区别，主要在多帧对齐上，后续我们介绍；有盲超分和已知退化超分；根据自己的实际任务来选择如何优化算法。最近经常更新文章啦
2024-06-21 15:49:50
26863
4
原创 cv君独家视角 | AI内幕系列一：让AI学相机对焦： Learning to AutoFocus
实际上，这个论文开创了比较新颖的思路，并使用优秀的方法解决一些实际问题，尤其是在低帧率下对焦，提供了很大的帮助，基于纯反差爬山的方法已经难以在低帧率（弱光下）得到很快的速度了；但这个方法除了上述提到的问题外，想要落地，还需要解决两大难题，首先就是泛化问题上，由于是基于图像分类base方案的，而且还不单是分类，比普通分类难度高了一个档次，要想做好，需要收集数十万的数据对序列，还需要涵盖各式各样的场景图，单步或多步骤下的准确率，要达到99.x左右，不然难以落地超越激光+caf或pdaf+caf方案；
2024-05-28 10:48:49
30067
1
原创 「AI模型瘦身术」——知识蒸馏技术综述+手把手教学蒸馏
回顾近年来，知识蒸馏（Knowledge Distillation）方法在深度学习领域中备受关注，它是一种模型压缩技术，旨在将一个复杂的模型（通常被称为教师模型）的知识转移到一个简化的模型（通常被称为学生模型）中，从而使学生模型能够在保持性能的同时具有更小的模型尺寸和计算成本。: 最常见的知识蒸馏方法之一是使用教师模型和学生模型之间的监督信号。教师模型通常是一个大型、复杂的模型，而学生模型则是一个较小、简化的模型。
2024-05-16 11:38:49
27201
1
原创 【含泪提速！】一文全解相似度算法、跟踪算法在各个AI场景的应用（附代码）
大家是否为深度学习算法速度感到困扰？本次cv君倾力分享一个优秀的方法，通过相似度+跟踪方案优化速度问题，并提高了检测、分割算法稳定性，附带代码，一起肝起来吧~
2022-08-31 18:15:00
18901
3
原创 【反内卷】开创全新AI多模态任务一视听分割：附原理、代码实践、优化教程（一）
最新顶会开源，有趣度满分！视听分割是本周ECCV定会提出的全新任务，旨在：找出画面中哪个位置正在发出声音，这是一份多模态工作，结合了视觉和语音。
2022-08-09 20:30:42
22728
原创 实时 摔倒识别 /运动分析/打架等异常行为识别/控制手势识别等所有行为识别全家桶 原理 + 代码 + 数据+ 模型 开源！
文章目录一、 基本过程和思想二 、视频理解还有哪些优秀框架三、效果体验~使用手势：python run_gesture_recognition.py健身_跟踪器：卡路里计算三、训练自己数据集步骤然后，打开这个网址：点击一下start new project但是官方的制作方法是有着严重bug的~我们该怎么做呢！原代码解读大家好，我是cv君，很多大创，比赛，项目，工程，科研，学术的炼丹术士问我上述这些识别，该怎么做，怎么选择框架，今天可以和大家分析一下一些方案：用单帧目标检测做的话，前后语义相关性很差（也有
2021-03-02 15:28:37
62971
313
原创 【项目实战】基于Yolov5 火灾浓烟检测与天池免费算力的教学篇
文章目录免费算力，白嫖党顶级薅羊毛！一 阿里天池的使用篇二 开启我们在天池服务器的第一个项目： 火灾浓烟与吸烟检测2.1 演示2.2 介绍三 模型训练四 天池端训练五 总结与技巧六 总结免费算力，白嫖党顶级薅羊毛！愁笔记本差，又买不起台式机显卡的同学，请注意啦！今天cv调包侠分享一下自己这几天开始使用的阿里天池的免费GPU服务器，以及这篇文章介绍如何在天池的tesla p100 16gb显存的服务器上训练自己的深度学习视觉模型~我们以火灾浓烟检测为例子。首先，大家可以看我Yolov5 吸烟检测文章与
2020-10-04 12:22:11
58632
118
原创 【项目实战】YOLOV5 +实时吸烟目标检测+手把手教学+开源全部
本原创项目长期更新，旨在完成校园异常行为实时精检测，做到集成+N次开发+优化（不止局限于调包）为止，近期将不断更新以下模型+数据+标注文件+教程。关注博主，Star 一下github，一起开始美妙的目标检测之路吧~~文章目录本原创项目长期更新，旨在完成校园异常行为实时精检测，做到集成+N次开发+优化（不止局限于调包）为止，近期将不断更新以下模型+数据+标注文件+教程。关注博主，Star 一下github，一起开始美妙的目标检测之路吧~~一、项目展示二、项目资源共享1：训练图片：香烟图片+吸烟手势+烟雾三、
2020-07-14 12:00:17
130746
238
原创 基于OpenCv的SVM实现车牌检测与识别（一）
都说深度学习的出现极力地打压着传统机器学习算法的地位，作为一个二刷机器学习经典算法的小伙伴告诉你：还真多半是这样，咳，毕竟还是差距较大，深度学习处理真实世界多维度的问题更权威！不过，有的事情还是机器学习能做的，经典永不过时，下面我们来做一个实践。上期，有埋下伏笔，我们来回顾一下：我们来看看基本的识别流程：我们使用的是OpenCv自带的SVM模型，我们上篇也说了，由于SVM的突出表现，...
2020-05-05 10:42:02
62144
7
原创 抑郁症检测：基于交叉注意力的多模态特征融合方法
它通过使用名为MacBERT的预训练模型提取文本中的词汇特征，并结合额外的Transformer模块优化特定任务的上下文理解，有效地捕获和整合了多模态数据中这些互补的信息，进一步提升了模型对目标任务的适应能力。借助整合多维度的信息，该模型实现了更为精准的评估，这种能力充分凸显了我们模型的稳健性，使其能够在社交媒体文本数据的复杂性与多变性中，始终保持较高的准确性来识别抑郁倾向。：提取了六个统计特征，包括负面情感微博的比例、原创微博的比例、深夜发帖的比例、每周发帖频率、发帖时间的标准差和包含图片的微博比例。
2025-02-22 14:31:22
153
原创 DEMF模型赋能多模态图像融合，助力肺癌高效分类
维度创新点描述评估结果理论创新提出了一种新的多模态图像融合机制（PCAE），有效整合了PET和CT图像的特征。高度创新，为多模态影像融合提供了新的理论基础。方法创新开发了一种基于深度集成学习的分类器（DEMF），通过多数投票进行决策。高度创新，显著提高了分类的稳定性和准确性。应用创新该方法在有限样本的情况下表现出色，具有潜在的临床应用价值。高度创新，可扩展到其他疾病的检测和诊断中。可视化知识图谱。
2025-02-21 12:25:31
240
原创 多模态医学图像融合：照亮医学诊断的未来之路
多模态医学图像融合，简单来说，就是把不同类型的医学图像（比如MRI、CT、PET等）结合起来，生成一张更全面、更清晰的图像，帮助医生更好地诊断疾病。指的是多种不同的成像技术。：擅长显示软组织的细节，比如大脑、肌肉等。：能清晰地显示骨骼和血管结构。：可以显示身体的代谢活动，帮助发现肿瘤等病变。就是这些成像技术生成的图像，医生通过这些融合后的图像来观察和分析病人的身体状况。假设一个病人做了 MRI 和 PET 扫描。MRI 显示了一个肿瘤的形态和位置，PET 显示了肿瘤的代谢活动。
2025-02-11 11:21:15
83
原创 cv君独家视角|AI内幕系列二十八:杭州六小龙的独特魅力
AI 领域的技术迭代迅速，DeepSeek 需要不断创新以保持其大模型的领先地位；脑机接口技术涉及到复杂的生物学、医学与工程技术，强脑科技在产品研发与临床应用方面可能面临诸多技术难题与伦理问题；机器人行业面临着激烈的市场竞争与技术更新换代的压力，宇树科技和云深处科技需要持续投入研发以提升产品性能与竞争力，否则可能会被市场淘汰。这些企业的发展不仅依赖于自身的努力，还与外部环境密切相关。政策的支持、市场需求的变化、行业竞争格局的演变等都会对其产生重大影响。
2025-02-06 14:23:41
120
原创 cv君独家视角 | AI内幕系列二十七：最新Mamba神经网络架构：从零构建与实战教学
Mamba 作为一种创新的序列建模框架，通过选择性状态空间和线性时间复杂性的设计，为长序列任务提供了一种高效且灵活的解决方案。本文通过详细的代码实现和理论分析，展示了 Mamba 的核心思想和技术细节。
2025-02-06 10:17:33
2009
原创 cv君独家视角 | AI内幕系列十七：视觉状态空间模型（VMamba）的解读
在计算机视觉领域，设计计算高效的网络架构一直是研究的热点。今天，我想和大家分享一篇发表在 NIPS 2024 上的论文——VMamba：Visual State Space Model，这篇论文提出了一种新的视觉骨干网络，具有线性时间复杂度，展现了在多种视觉感知任务中的出色表现。
2025-02-02 21:31:13
1858
原创 cv君独家视角 | AI内幕系列十六：一文读懂 NeurIPS 条件卷积模块 CondConv：让模型涨点的秘密武器（附源码实践）
在深度学习的浪潮中，卷积神经网络（CNN）一直是图像处理领域的中流砥柱。然而，传统的卷积操作采用静态共享的卷积核，对不同输入样本“一视同仁”，这显然无法满足复杂多变的实际需求。今天，就带大家深入了解一种打破这一局限的创新技术 —— 条件卷积模块 CondConv，看看它是如何让模型性能实现飞跃的。
2025-02-02 19:40:25
1849
原创 cv君独家视角 | AI内幕系列十五：全新的病理图像多类分割方法：PathMamba
论文提出了一种新颖的弱监督学习方法，仅使用图像级别的标签，通过多实例多标签学（MIML）和对比度掩码块（CMB）来探索组织病理学图像的像素级和区域级标准特征。该方法能够自适应地捕捉图像中的像素级特征，并利用深度对比学习损失更好地利用未标注的信息。实验结果表明，该框架在临床应用中具有有效的注释病理图像的潜力。
2025-01-06 19:15:18
2133
原创 cv君独家视角 | AI内幕系列十三：图像超分辨率技术新进展：混合注意力聚合变换器HAAT
在计算机视觉领域，单图像超分辨率（SISR）技术的目标是从一个低分辨率的图像中重建出高分辨率的图像。特别是，SwinIR利用Swin Transformer取得了显著的改进，而混合注意力变换器（HAT）通过结合重叠的交叉注意力模块、基于窗口的自注意力和通道注意力，也产生了最先进的结果。HAAT模型的提出是为了解决现有基于Transformer的方法在图像恢复问题上的局限性，尤其是当前基于窗口的Transformer网络将自注意力计算限制在集中区域，导致感受野受限并且无法充分利用原始图像的特征信息。
2024-12-07 12:54:55
2063
原创 cv君独家视角 | AI内幕系列十二：利用raw图像实现真实场景的超分辨率的技术
总之，该方法提出了一种新的数据生成流程和双CNN架构，通过模拟数字相机成像过程和利用raw图像的辐射信息，有效地提高了真实场景下图像超分辨率的性能，并展示了raw数据在图像处理中的优越性。
2024-12-06 12:08:58
1881
原创 cv君独家视角 | AI内幕系列十一：DP双像素sensor相关的AI算法全集：深度估计、图像去模糊去雨去雾恢复、图像重建、自动对焦
双像素是成像系统的感光元器件中单帧同时生成的图像：通过双像素可以实现：深度估计、图像去模糊去雨去雾恢复、图像重建成像原理来源如上，也有遮罩等方式的pd生成，如图双像素视图可以看到光圈的不同一半，这提供了一个深度提示。然而，由于基本的模糊性，如果相机的焦距（或光圈大小或焦距）发生变化，不同的场景可能会产生相同的双像素图像。在（a）中，具有焦距g1的相机在距离Z1处成像聚焦的蓝色点和离焦的橙色点。通过光圈左半部分折射的光（深蓝色和橙色光线）到达每个双像素的右半部分，反之亦然。这导致了一个双像素图像，其中失焦橙
2024-11-21 11:48:53
2773
原创 cv君独家视角 | AI内幕系列十：PlainUSR框架：加速卷积网络的高效SR方法
图像超分辨率（SR）旨在从大量的低分辨率退化中恢复高分辨率图像的方法。随着深度学习技术的发展，基于卷积神经网络（ConvNet）的SR方法取得了显著的进展。然而，这些方法在提高图像质量的同时，往往伴随着计算成本的增加，这限制了它们在实时应用中的实用性。最近，一篇名为《PlainUSR: Chasing Faster ConvNet for EfficientSuper-Resolution》的论文，提出了一种新的框架，旨在提高SR的速度和效率，同时保持图像质量。
2024-11-20 18:38:26
2081
原创 cv君独家视角 | AI内幕系列九：视频修复技术和实时在线处理
视频修复技术的目标是填补视频中的缺失部分，使视频内容连贯合理。这项技术在对象移除、视频修复和视频补全等领域有着广泛的应用。传统方法通常需要处理整个视频，导致处理速度慢，难以满足实时处理的需求。实验使用了三种基于Transformer的视频修复模型，并在两个广泛使用的视频修复数据集上进行。结果显示，新框架在保持实时处理速度的同时，减少了质量损失。此外，通过消融实验评估了模型中各个组件的重要性，结果表明双模型协作和记忆机制对提高帧率和质量都有积极作用。
2024-11-20 17:22:49
2815
原创 cv君独家视角 | AI内幕系列八：NeRD-Rain（双向多尺度的Transformer模型）新方法实现图像去雨
目前大多数基于Transformer的方法都只关注单一尺度的雨迹特征，而要成功去除图像中的雨滴，理解雨线在不同尺度上的表现非常关键。,因此论文作者提出了一种全新的多尺度Transformer模型，它能同时捕捉到不同尺度下有助于图像恢复的特征。这种方法有助于重建出更高质量的无雨图像。为了深入挖掘雨线在空间上的变化并找到它们的共同特征，论文作者在模型设计中融合了基于像素位置的隐式神经表征，这有助于模型学习如何去除雨水并提高在复杂环境下的稳定性。
2024-10-24 18:30:55
2362
1
原创 cv君独家视角 | AI内幕系列七：EfficientViT模型：基于多尺度线性注意力模块，实现高效的高分辨率密集预测
在头部设计方面，它使用了P2、P3和P4，它们分别代表第二、第三和第四阶段的输出结果，形成了一个特征图的金字塔结构。简而言之，EfficientViT的骨架结构是按常规设计的，通过逐渐减小特征图尺寸和增加通道数来构建，而在头部设计中，它通过构建特征金字塔并融合不同阶段的特征图，以及使用简单的MBConv块和输出层来完成预测和上采样。总的来说，EfficientViT模型通过这些精心设计的技术，能够在保持计算效率的同时，有效地处理高分辨率图像，捕捉到图像的全局和局部信息，从而在各种密集预测任务中表现出色。
2024-10-24 16:33:06
1926
原创 cv君独家视角 | AI内幕系列六：Instruct-IPT方法实现去雨雪去雾等去噪去模糊功能
近年来，有一种叫做Transformer的技术在图像处理领域非常火，它在很多任务上都表现得很棒，比如给图片分类、找出图片里的目标或者把图片分成不同的部分。但是，这些Transformer模型通常只能做一件事，这对于我们想要同时处理多个问题时就不太方便了。为了解决这个问题，一些研究人员提出了一种叫做All-in-One的模型，这种模型可以同时处理多个图像恢复任务。但是，这些模型在处理范围和效果上都还有限制。比如，它们可能在处理一些相关性较高的任务时表现不错，但一旦遇到完全不同的任务，效果就不行了。
2024-10-23 17:00:00
1808
3
原创 cv君独家视角 | AI内幕系列五：深度学习在ISP中的的研究与进展
图像信号处理器（ISP）是数码相机中的关键组件，负责将原始图像数据转换为高质量的数字图像。传统的ISP流程依赖于硬件实现，包括去马赛克、去噪和白平衡等多个步骤，但这些步骤往往会导致信息损失和累积误差。近年来，深度学习技术，尤其是卷积神经网络（CNN），因其在图像处理中的卓越性能，被提出作为替代传统ISP流程的解决方案。本文章调查了最近的相关论文的研究进展，并对它们进行了更深入的分析和比较，探索了一些基于深度学习的 ISP 管道在计算效率和处理时间方面的改进策略。isp介绍图。
2024-10-23 10:20:00
1178
原创 cv君独家视角 | AI内幕系列四：红外与可见光图像融合新突破：DAF-Net双分支特征融合网络
本文介绍的DAF-Net模型通过加入一种叫做MK-MMD的技术，在基础编码器中实现了全局特征的对齐，同时保留了不同模态的细节特征。实验结果显示，DAF-Net在多个数据集上表现出色，具有很好的融合效果和视觉质量。
2024-09-26 17:08:09
2439
4
原创 cv君独家视角 | AI内幕系列三：用扩散模型（Diffusion Model）生成新的训练数据的几种方法
扩散模型（Diffusion Model）是一种生成模型，用于生成新的数据样本。扩散模型的工作原理是迭代地向图像添加噪声，然后训练神经网络来学习噪声并去除噪声来还原原始图像。以下是扩散模型生成训练数据的步骤：初始化：模型以一个简单的数据分布开始，比如高斯分布，作为基础噪声。前向扩散过程：模型通过在数据中引入噪声，逐步将数据从其原始分布转变为一个复杂的噪声分布。这个过程模拟了物理扩散过程，逐渐掩盖数据的真实特征。生成训练数据：在前向扩散的每一步中，模型都学习如何记录数据从原始状态到噪声状态的转换。
2024-09-26 16:00:46
3374
原创 可信多视图分类（TCM ETCM）算法实现数字序列的分类---基因致病的诊断
其次，在传统的基于DNN的分类器中 ，在最后一层使用了softmax函数，这通常会导致的过度置信，在我们的模型中，我们引入了变分狄利克雷分布，通过增加整体不确定性质量来避免这个问题。为此，作者提出了一种新的算法（TMC），通过动态评估各视图的可信度，利用变分狄利克雷和登普斯特-谢弗理论整合可信多视图不同观点的证据，从而提高分类的可靠性和鲁棒性。TMC不像在传统的多视图学习算法的dif-之间的交互作用，狂热的观点只存在于TMC的决策层中，这可能会限制它在某些情况下的性能。即提出的增强型可信多视图分类（
2024-09-14 15:50:23
500
原创 【脑机接口预测实战】颠覆回归预测极限：TSLANet时序预测与独家原创优化秘籍+原理与源码
cv君年初时通过原创优化算法，带大家熟悉时序预测与回归算法，大家可以训练看看，学习一下，回归任务里的：时序回归，当然也可以不做时序的，只需要把数据集构造那里简单一改，就可以很快的进行咱其他的非时序预测，各种回归，不要再用bp做什么波士顿房价预测等等一系列了，都2024年了，这些2014年的算法已经无法cover了，然后呢，cv君的独家优化秘籍，大幅提高了模型的准确率，大家感兴趣三连，通过脑机接口的数据，来预测人类行为，准确率逐渐提高，在我们的数据集中高达99%。文末有脑机接口的数据百度网盘数据和代码。
2024-09-09 14:59:58
3691
原创 实战训练与源码教程：用Real-ESRGAN对抗生成超分技术实现超高清图像！
大家好，我是cv君，今天给大家重点介绍一下高质量超分方案Real esrgan，他的方案非常有效，我们可以使用他的方案，自己用高效的生成器来做很多高速、高效的超分。为啥呢？因为他的退化方案不错，他是盲超分算法，盲超分是啥意思呢，就是不知道低分辨率LR和高分辨率图像HR关系的。Real eargan就这样，大家后续联系我给百度网盘给数据代码啥的。比较大，还没上传完。联系cv君，zxx15277368495z。
2024-09-05 20:43:30
7775
原创 【项目实战】MobileNetV3 医学病理识别+不使用全连接预测+迁移学习+附代码数据教程
建议版本和我一致，进入Pytorch官网，点击 install previous versions of PyTorch，以1.7.1为例，官网给出的安装如下，选择合适的cuda版本。迁移学习很简单，直接冻结部分层，留着后几层进行训练就行，加载一下MobileNetV3-Large权重，他是在大型数据上训练过的，能有效迁移知识，快速拟合。大家好，我是cv君，今天带来以前的干货，mobilenet v3的优化，能在医学病理分类中得到优异准确率，欢迎大家三连。数据和代码已经全部放文末的百度网盘了。
2024-08-28 20:51:04
5965
原创 【开盖即食】多种算法实现画面动静判断（附源码）
【开盖即食】三种算法实现画面动静判断（附源码）大家好，我是cv君，今天想跟大家分享一下，如何实现画面动静判断、判断画面或者物体是否在运动或者是比较静止，简单使用计算机视觉传统方法实现，AI的后续带给大家。我们提供三种方案：1、背景消除法；2、光流追踪法；3、相似度、清晰度变化法；代码开盖即食，拿来可用，请品尝~
2024-08-21 20:24:42
15246
原创 cv君独家视角 | AI内幕系列二：LORA微调，让大模型更平易近人
LORA 在ICLR2022中提出，是利用低秩适配（low-rankadaptation）的方法，可以在使用大模型适配下游任务时只需要训练少量的参数即可达到一个很好的效果。由于 GPU 内存的限制，在训练过程中更新模型权重成本高昂。例如，假设我们有一个 7B 参数的语言模型，用一个权重矩阵 W 表示。在反向传播期间，模型需要学习一个 ΔW 矩阵，旨在更新原始权重，让损失函数值最小。
2024-05-29 20:55:27
26933
1
【脑机接口预测实战】颠覆回归预测极限：TSLANet时序预测与独家原创优化秘籍+原理与源码+数据 原理与csdn见cv君首页同名
2024-09-09
Smoke-Detect-by-yolov5-v2.rar
2022-01-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人