杜克大学研究人员于最近研发出一种新的AI工具，可以将模糊到难以辨认的人脸图像转化成电脑生成的图像，其细节呈现将比以往任何技术都更加精细。

深兰科学院的算法专家借助计算机视觉技术，基于机器学习和生成对抗网络（GAN），对图像进行了风格迁移处理，可将真实世界的图像直接转换为高品质动漫风格。

如果我们将今天基于深度学习的目标检测技术比作一场“热兵器革命”，那么回顾20年前的技术时即可窥探“冷兵器”时代的智慧。

有一天我们是否能够使用风格迁移将一种风格从一个数据复制到另一个数据而不损害其完整性？

众所周知，处理视频是很困难的，因为它们与图像不同，是动态的，我们没有可以轻易识别和跟踪的静态对象，复杂性水平上升了好几个层次——这就需要我们对图像处理技术和计算机视觉技术的把握。

计算机视觉是数据科学世界中最热门的研究领域之一，而且它已经成为我们个人生活的一部分。我们都在不知不觉的使用各种功能，这些功能在后端运行计算机视觉技术。

介绍著名的开源计算机视觉库OpenCV宣布了其将首次举行由英特尔赞助的空间人工智能竞赛。随着OAK-D(OpenCV-AI-Kit With Depth)模块的发布,OpenCV呼吁参与者使用其模块解决现实世界中的问题

近年来，我国在云计算、大数据、物联网、人工智能等技术研发与产业应用方面投入了大量人力物力，催生出一系列新业态。其中，生物识别技术也迎来了发展机遇期，无论是技术还是市场，都取得了长足的进步。在这一领域中，人脸识别、指纹识别、静脉识别、声纹识别俨然已经成为投资者关注的焦点

FiftyOne是一个开源的可视化数据集分析工具，最近添加了Jupyter notebook支持，该功能是我实现的，并且是其技术主管。完成后，我着手撰写一篇文章，描述此功能的重要性——为什么自动屏幕截

有些上市是不得不上。文丨初霁BT财经原创文章近日,商汤科技再次传出将启动A+H上市,计划2021年下半年交表,现在暂定的保荐投行团队有中金等。若消息属实,中国“计算机视觉(CV)四小龙”——商汤科技、旷视科技、依图科技和云从科技将都在这个“AI大年”开启上市之旅

什么是OpenCV？计算机视觉是一个能够理解图像和视频如何存储和操作的过程，它还有助于从图像或视频中检索数据。计算机视觉是人工智能的一部分。计算机视觉在自动驾驶汽车，物体检测，机器人技术，物体跟踪等方面发挥着重要作用

我喜欢逻辑游戏,同时也喜欢计算机视觉和人工智能算法。为了把这两样结合起来,开发了一个软件来检测、分析和解决一些逻辑难题,比如数独和摩天大楼。本文主要解释“LogicGamesSolver”项目,你可以在这个github存储库中找到源代码以及运行它的说明

介绍大家好,在过去的几个月中,我致力于计算机视觉自动编码器 的开发,坦白地说,我对使用它们可以构建的大量应用程序印象深刻。本文的目的是解释自动编码器,可以使用自动编码器构建的一些应用程序,未连接的编码器-解码器层的缺点以及诸如U-Net之类的体系结构如何帮助提高自动编码器的质量

简介在现实世界中,我们收集的数据在大多数时候是严重不平衡的,所谓不平衡数据集就是训练样本不是平均分布在目标类中,例如,如果我们以个人贷款分类问题为例,就很容易得到“未批准”的数据,而不是“已批准”的信息,结果,模型会更偏向具有大量训练实例的类,这降低了模型的预测能力

在这篇文章中，将尝试解释Computer Vision和OpenCV库的工作原理。在整篇文章中，将介绍：什么是计算机视觉？计算机视觉如何工作？计算机视觉的应用、什么是OpenCV？OpenCV的简史、OpenCV快速入门让我们逐步开始

作为人类视觉在机器上的延伸，机器视觉凭借其分辨率高、速度快、范围宽、适应性强、精度高、可量化及可持续工作等优势，将图像处理应用于工业自动化领域，成为智能制造繁荣发展的推动力。文︱郭紫文20世纪50年代，Gilson 提出“光流”概念，机器视觉就此萌蘖

前言:归一化相关技术已经经过了几年的发展,目前针对不同的应用场合有相应的方法,在本文将这些方法做了一个总结,介绍了它们的思路,方法,应用场景。主要涉及到:LRN,BN,LN, IN, GN, FRN, WN, BRN, CBN, CmBN等

在计算机视觉中存在很多的专业术语,如先验知识,语义信息,embedding,head,neck等。这些术语的解释无法直接在网上搜到,也没有在哪一篇论文中定义它们的概念和意义,因此,对于第一次听到这些术语的读者来说会非常的困惑

前言:对于任何想要创建可扩展服务的人来说,部署大内存的深度学习算法是一项挑战。 从长远来看,云服务是昂贵的。 在边缘设备上离线部署模型更便宜,并且还有其他好处。 唯一的缺点是它们缺乏内存和计算能力。本文探讨了一些可用于在内存受限设置中拟合神经网络的技术

前言:注意力机制在视觉上是非常重要的部分,这方面的综述、总结有很多。为了本文总结的全面性,我基本都看了一遍。然而这些综述要么面面俱到,对所有内容都非常详细地阐述,包括一些非常不常用的,过时的论文或结构;要么没分清重点,有些内容跟论文有关,但跟注意力无关,这些文章也把这些内容总结到里面