计算机视觉这篇就够了

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 192平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄19年

关注

转载最新推荐文章于 2026-10-12 10:05:37 发布 192 阅读 AI 写同款· GEO 优化 ›

VC维 <br /> 为了研究函数集在经验风险最小化原则下的学习一致性问题和一致性收敛的速度，统计学习理论定义了一系列有关函数集学习性能的指标，它们包括：随机熵、VC熵、退火的VC熵、生长函数、VC维等。尽管随机熵、VC熵、退火的VC熵、生长函数等在统计学习理论的发展过程中起到了一定的作用，但由于这些理论距离实际应用尚有一定的距离，后来逐渐被VC维渐渐取代。<br />VC维对于一个指示函数集来说，如果其生长函数是线性的，则它的VC维为无穷大；而如果它的生长函数以参数为h的对数函数为上界，则函数集的VC维是有阅读详情

https://blog.youkuaiyun.com/x1kz18NkbQg/article/details/78700447

收录于

Python CV

当前文章被收录于：

Python CV

63 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

原文链接：https://blog.youkuaiyun.com/x1kz18NkbQg/article/details/78700447>

整理：4篇论文让你弄清楚CLIP在计算机视觉领域最新应用我们整理了有关 CLIP 在计算机视觉领域最新应用的论文，这些研究深入探讨了 CLIP 的优化方向及其在语义分割中的具体应用。阅读详情

相关推荐

计算机视觉——DoG和LoG算子

计算机视觉—DoG和LoG算子 brycezou@163.com 阅读本文，需要有一定的数字图像处理基础，否则不太容易明白数学公式想要传达的物理意义。希望通过仅此一篇文章就能让你理解图像处理中的高斯滤波（也叫高斯平滑、高斯模糊、高斯卷积）、DoG算子、LoG算子，以及它们之间的关系。下面先讲理论，再讲实际应用。在理论部分，一切语言都显得过于苍白，因此我只给出了最核心的、最简

3CDFP 1万+

计算机视觉(Computer Vision, CV)是什么？

许多组织已经在开发基本框架以支持 CV 在日常操作中的使用，并通过连续的数据管道确保其模型具有适当数量的训练数据，以使其能够随着时间的推移而执行和改进。其中，有通用模型，或者针对特定场景采集标注的数据，例如家用扫地机器人，宠物摄像头，等。例如，通过计算机视觉，机器可以识别出冰面上的黑色冰球，但是球员的溜冰鞋可能会干扰该冰球的配准。配准：计算机将不同数据集转换至单个坐标系中，例如，从取自临床事件轨迹的两幅图像中获得的信息通常互补，因此整合它们的第一步是在融合两个数据源之前通过配准来完成多个模态的空间对齐。

Appen_China的博客 5820

计算机视觉论文总结系列（三）：OCR篇

本篇主要介绍OCR论文总结，主要从OCR论文、模型方法、论文链接进行全面总结介绍，重点论文已标注✨，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！

专注大数据与人工智能技术分享，欢迎私信加群互相学习！ 2万+

计算机视觉（CV）（Computer Vision）

图片和视频是非结构化数据，机器如果要理解某一图片或视频表达的内容，是无法直接分析的，这种情况，就需要有计算机视觉技术，通过一系列对图片/视频的分析及处理技术，提取图片/视频中的元素，将图片转化为一系列的特征，将计算机对图片的理解转化为人类可读的信息，比如文本描述、标记、图形等，也就是可被机器理解的结构化数据。计算机视觉可以模仿人的视觉系统，通过机器学习等技术解决图片和视频的分析等问题。以上是计算机视觉主要的技术分类，不同的技术分类适用于不同的应用场景，它们会互相结合，共同推动计算机视觉技术的发展。

weixin_41147796的博客 4167

计算机视觉竞赛技巧总结（三）：OCR篇

本篇主要介绍OCR竞赛技巧总结，主要从OCR概念、分类、模型方法、推荐框架、常用trick、评估指标等多个方面进行总结介绍，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！

专注大数据与人工智能技术分享，欢迎私信加群互相学习！ 2万+

计算机视觉讲座PPT分享

最近在电子工业出版社做的《计算机视觉入门路线图》讲座的部分PPT。主要介绍了计算机视觉的学习基本路线。

计算机视觉之光 2684

OpenCV→Transformer→工业部署：计算机视觉全栈学习路线图（2025新版）从入门到专家，看这篇就够了

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是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仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。👉👉👉

HJS123456780的博客 1501

用OPENCV 和 MFC 写的眼睛精确定位软件

这是一个土耳其的电子工程师写的用于人脸，眼睛，瞳孔精确定位的小软件。其中用到了多种分析算法比如Haar,PCA，肤色等等。上传这款软件希望能给这方面的初学者一些思路上的帮助。

【计算机视觉】YOLOv8的测试以及训练过程（含源代码），零基础入门到精通，收藏这篇就够了

*工具实战：**集中训练抓包工具（Wireshark）、渗透测试工具（Nmap）、漏洞扫描工具（Nessus 基础版）的使用，结合模拟场景练习工具应用（掌握基础扫描逻辑，为 SRC 漏扫工具进阶做准备）。实战技能训练：开展漏洞扫描、漏洞利用、电商系统渗透测试、内网渗透、权限提升（Windows、Linux）、代码审计等实战训练，结合运维中熟悉的系统环境设计测试场景（强化红蓝对抗攻击端技术能力）。操作路径：为中小型企业提供路由器、交换机、防火墙等设备的配置调试、性能优化及故障排查服务。

Python_0011的博客 883

基于opencv的MFC视觉开发

利用opencv在MFC中进行视觉开发

计算机视觉点的三维运动分析VC++程序代码

能够完成基于点的欲动分析，具体程序使用在资源内有说明

真的，关于深度学习与计算机视觉，看这一篇就够了 | 硬创公开课

转自：http://www.leiphone.com/news/201605/zZqsZiVpcBBPqcGG.html 真的，关于深度学习与计算机视觉，看这一篇就够了 | 硬创公开课本文作者：张驰 2016-05-11 13:19 导语：人工智能是人类一个非常美好的梦想，跟星际漫游和长生不老一样。我们想制造出一种机

foreyang00 742

DeepSeek与豆包无缝对接：5分钟搞定智能周报自动化（附完整代码）

本文详细介绍了如何利用DeepSeek与豆包API，快速搭建一个智能周报自动化系统。通过整合豆包平台的工作流数据，并调用DeepSeek大模型进行深度分析与内容生成，该系统能在5分钟内自动抓取、分析多源信息，并生成结构清晰、富有洞察力的团队周报，显著提升工作效率。

weixin_29029995的博客 493

深度学习与计算机视觉 看这一篇就够了

人工智能是人类一个非常美好的梦想，跟星际漫游和长生不老一样。我们想制造出一种机器，使得它跟人一样具有一定的对外界事物感知能力，比如看见世界。在上世纪50年代，数学家图灵提出判断机器是否具有人工智能的标准：图灵测试。即把机器放在一个房间，人类测试员在另一个房间，人跟机器聊天，测试员事先不知道另一房间里是人还是机器。经过聊天，如果测试员不能确定跟他聊天的是人还是机器的话，那么图灵测试就通过了，也...

ctrigger的专栏 2万+

WSL2部署Cadence Virtuoso IC25.1：Ubuntu 26.04排障实录

WSL2以轻量虚拟机结合完整Linux内核，为Windows桌面环境提供了原生级Linux运行能力，解决了传统虚拟机资源开销大、双系统切换低效的问题。对于依赖X11图形协议、FlexNet许可服务和特定动态库的EDA工具链而言，利用WSL2部署Linux发行版需要关注系统集成、显示通路与许可连通性。从技术原理看，图形层X Server的配置、动态库依赖的补齐以及license服务的主机名解析，共同构成EDA工具在WSL2中稳定运行的关键环节。在芯片设计场景中，设计工程师常需在Windows办公机与Linux

weixin_29597551的博客 211

COMSOL多物理场仿真：瓷绝缘子电热耦合建模与优化策略

本文详细介绍了使用COMSOL Multiphysics进行瓷绝缘子电热耦合仿真的完整流程与优化策略。文章阐述了电热耦合效应的工程意义，并逐步讲解了从几何建模、材料定义、物理场设置到边界条件与网格划分的关键步骤。重点分析了如何通过焦耳热耦合实现电场与温度场的双向交互，以及如何利用仿真结果进行参数化优化和瞬态故障模拟，为提升电力设备可靠性提供有效的数字化设计工具。

n8m7b6v5c4的博客 883

基于python的opencv计算机视觉基础知识及例程代码【视觉入门看这一篇就够了】

2. opencv基础操作代码 2.1 打开照片： 2.2 读取视频： 2.3 打开摄像头： 2.4 保存视频： 2.5 画线： 2.6 画矩形： 2.7 画圆： 2.8 画椭圆： 2.9 画多边形： 2.10 写字： 2.11 图像的基础操作： 2.12 截取选定区域： 2.13 Opencv中常用的颜色空间就三种BGR、HSV、灰度： 2.14 颜色跟踪： 2.15 BGR通道分离和合并： 2.16 程序运行时间：

zhaohaobingniu的博客 1万+

Rockchip平台之RK3566/3568 OS02N10

文章摘要本文主要介绍了200W摄像头传感器OS02N10在RK3566平台上的兼容与适配过程。作者基于之前的400W摄像头兼容经验，针对200W摄像头进行了类似的适配工作。文章详细阐述了RK3566芯片的特性和OS02N10传感器的技术参数，包括分辨率、接口和功耗等。适配过程分为三个关键部分：DTS设备树文件配置（定义I2C地址、电源域和GPIO控制等）、驱动文件开发（寄存器初始化和操作）以及XML和JSON配置文件调整（图像参数设置）。作者特别强调了初始化数组中空寄存器终止条件的重要性，并分享了兼容过程

different_xzh的博客 2412

10本计算机视觉必读经典图书，入门篇 + 提升篇

【新智元导读】微软亚洲研究院计算机视觉组资深研究员王井东博士为大家推荐计算机视觉领域的经典书目，划分为综合篇、几何篇、机器学习篇和经典读物四大类，满足初学者入门和高级学者提升的种种需求。不久前我们推出的自然语言学习书单推荐受到了大家的热烈欢迎，在此先感谢大家的关注和支持。与此同时，有很多读者纷纷留言想得到计算机视觉领域的图书推荐。今天我们就满足大家的愿望，邀请微软亚洲研究院计算机视觉组...

ctrigger的专栏 5823

通用策略04丨ORB魔改框架+自适应动量过滤模板

1、该策略第一次尝试使用低通滤波器进行行情择时过滤，同样该方法也可以用于主进场逻辑。2、出场逻辑适用于趋势、隔日波段、高低开等行情结构，对于日线级别长度K线一定积极作用，因此大家可以根据该逻辑进行反向品种筛选。3、在资金管理方面，我注意到一个问题，以往都是按照复权价格计算，但是资金却没有复权，所以这里实际上这里应该将价格除权计算，如下图所示：由于各平台差异，回测绩效以TBQ版本为准！！！本策略仅作学习、交流使用，实盘交易盈亏投资者个人负责！！！

松鼠宽客的博客 1176

液态神经网络（Liquid Neural Networks）从线虫大脑到下一代 AI

液态神经网络（Liquid Neural Networks，LNN）是一类具有动态内部结构的神经网络，其灵感来源于生物神经系统，尤其是大脑中神经元如何以复杂、非线性的方式响应外部刺激。与传统神经网络不同，液态神经网络的每个神经元在处理输入时，不再是静态线性或非线性变换，而是基于一个微分方程模型进行响应。这种建模方式使神经元的行为具有时间连续性和动态适应性。换句话说，它不仅“记住”过去的信息，还能根据当前环境实时调整自身的动态特性，这对于感知、决策、预测等任务都非常关键。

hello.reader 7412

计算机视觉必读的10篇顶会论文详解！出自ICCV！

在传统方法里，训练视频分割模型是一项耗时且成本高昂的任务。这在很大程度上是由于端到端视频分割模型需要密集注释的视频数据，这意味着需要为每一帧进行分割掩码。虽然这并没有证明对特定的视频分割任务具有抑制作用，但这意味着需要对每个所需的任务进行等效的努力。换句话说，花费在密集注释视频对象分割数据集上的时间不会转化为视频全景分割任务，这需要其自己的注释。去耦合视频分割通过将视频分割分为两个步骤来翻转脚本，第一步是特定任务的图像级分割任务，第二步是任务无关的双向时间传播。

yyyyyybw的博客 2701

浏览器主页被2345劫持简单处理方法

本人比较常用的浏览器是IE和Chrome IE：将网址修改为https://www.baidu.com 应用-确定-重新打开IE浏览器或者win+r运行regedit打开注册表找到这个值　　HKEY_CURRENT_USER\Software\Microsoft\Internet Explorer\Main下　和HKEY_CURRENT_USER\Software\Policies\Microsoft\Internet Explorer\Main这个下面的StartPage ...

A soul tortured by desire 2万+

计算机视觉与深度学习，看这本书就够了

开始机器学习知识的学习，差不多已经有一年的时间。这期间看了很多教材和书籍，有些深入进行了学习，有些书（比如深度学习领域著名的西瓜书）则看不下去。机器学习其实也有许多方向，比如强化学习、计算机视觉、自然语言处理等等，如果每个方向都学习的话，普通人也没有那么多精力。在经过一年的泛泛的学习之后，决定将计算机视觉作为我的主攻方向，主要也是因为我对计算机图像这个领域比较感兴趣。在网上搜索了一些资料，以及推...

云水木石 7075

华为od 面试八股文_C++_04_含答案

MISAYAONE的博客 2473

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

机器学习怎么学？看这篇就够了！！

基础知识 1.数学数学是学不完的，也没有几个人能像博士一样扎实地学好数学基础，入门人工智能领域，其实只需要掌握必要的基础知识就好。AI的数学基础最主要是高等数学、线性代数、概率论与数理统计三门课程，这三门课程是本科必修的。这里整理了一个简易的数学入门文章。数学基础：高等数学 https://zhuanlan.zhihu.com/p/36311622 数学基础：线性代数 https://zhu...

yym68686 1万+

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载

上一篇：计算机视觉模型学习推理源码

下一篇：理解深度学习较好微信专栏

计算机视觉——DoG和LoG算子

3CDFP

10-12

1万+