官方网站-首页
首页
品牌
概况
企业文化
荣誉奖项
技术能力
AI人工智能
大数据
资讯
动态
行业资讯
案例
典型案例
合作伙伴
联系我们
首页
品牌
概况
企业文化
荣誉奖项
技术能力
AI人工智能
大数据
资讯
动态
行业资讯
案例
典型案例
合作伙伴
联系我们
动态
行业资讯
动态
动态
行业资讯
动态
dynamic
今日科普|计算机视觉技术探索
2025-07-11
计算机视觉的实现过程通常包含图像获取、图像处理与特征提取、图像分析以及决策与应用等关键步骤。以自动驾驶为例,图像获取阶段,摄像头和传感器等设备收集道路信息;在图像处理与特征提取阶段,算法去除噪声、增强对比度,并提取关键特征;图像分析阶段,计算机进行目标检测、分类和跟踪;最终,在决策与应用阶段,自动驾驶系统根据分析结果做出驾驶决策。据统计,自动驾驶中的目标检测技术能够快速准确地捕捉到异常人员或物体,
more
计算机视觉识别技术
2025-07-11
计算机视觉识别技术通常包含图像获取、图像处理与特征提取、图像分析以及决策与应用等关键步骤。在图像获取阶段,利用摄像头、传感器等设备收集图像或视频数据,这些原始数据是后续所有处理的源头。随后,对采集到的原始图像进行预处理,去除噪声、增强对比度等,再运用各种算法提取图像中的关键特征。基于这些特征,计算机可以开展目标识别、分类、分割、跟踪等任务,深入挖掘图像中隐藏的信息。最终,根据图像分析的结果做出决(
more
港大计算机视觉博士研究
2025-07-10
香港大学工程学院计算机科学系及电机电子工程系的研究团队,在神经形态曝光控制(NEC)系统方面取得了突破性进展。这项研究发表于国际学术期刊《自然·通讯》,其灵感源自人类外围视觉机制,旨在解决极端光照变化下机器视觉的挑战。NEC系统结合了事件相机和三重事件积分(TEDI)算法,实现了前所未有的反应速度与稳定性。在自动驾驶的关键应用场景中,NEC系统展现了显著提升:例如,车辆进出隧道遭遇强烈眩光时,目标
more
今日科普|深度学习在计算机视觉应用
2025-07-10
深度学习是一种基于神经网络的机器学习技术,通过多层神经网络模型自动学习数据的特征表示。在计算机视觉中,深度学习可以处理大规模、高维度的图像数据,实现图像分类、目标检测、图像分割等任务。以图像分类为例,深度学习模型在ImageNet图像分类竞赛中已经实现了超过人类水平的分类准确率。这一成就得益于深度学习模型能够从大量图像数据中自动学习并提取出有效的特征,从而实现对图像内容的准确理解。深度学习在计算机
more
今日科普|视觉传达与计算机技术
2025-07-10
计算机辅助设计(CAD)技术的出现,极大地提升了视觉传达设计的效率。传统设计中,设计师需要花费大量时间在草图、颜色搭配以及排版上,而CAD技术的引入,让这一切变得轻松高效。据统计,使用Adobe Illustrator、Photoshop等设计软件,设计师可以在短时间内调整色彩、纹理、形状,甚至动画效果,以往需要几天甚至几周的工作,现在只需几个小时就能完成。这种高效的设计方式,不仅缩短了设计周期,
more
李飞飞与计算机视觉
2025-07-10
计(jì)算(suàn)机(jī)视(shì)觉(jué),简(jiǎn)而(ér)言(yán)之(zhī),就(jiù)是(shì)“教(jiào)”会(huì)计(jì)算(suàn)机(jī)如(rú)何(hé)去(qù)“看(kàn)”世(shì)界(jiè)。这(zhè)一(yī)技(jì)术(shù)通(tōng)过(guò)对(duì)采集的(de)图(tú)片(piàn)或(huò
more
今日科普|计算机视觉效能提升
2025-07-10
图像质量是影响计算机视觉系统性能的关键因素之一。由于拍摄条件、光线、拍摄角度等因素,图像中可能出现噪声、模糊、对比度不足等问题。图像增强技术通过对图像进行预处理、增强、修复等操作,以提高图像质量,从而提升计算机视觉系统的准确性和效率。据相关研究表明,通过对比度调整、锐化、模糊和边缘提取等图像增强技术,可以显著提高图像的可见性和可读性。例如,对比度调整技术通过调整图像的灰度范围,使图像更加清晰和鲜艳
more
今日科普|计算机视觉技术前沿
2025-07-09
计算机视觉技术通过图像处理、模式识别和机器学习等手段,实现了对图像和视频中目标的识别、分类、检测和跟踪。在人脸识别、自动驾驶、医学影像分析等领域,计算机视觉技术已经取得了显著成果。据最新研究显示,基于深度学习的目标检测算法,如Faster R-CNN、YOLO和SSD等,在智能安防、无人机和工业制造等领域的应用中,准确率、召回率和F1得分等性能指标均达到了较高水平。例如,在自动驾驶领域,这些算法能
more
图像处理技术应用
2025-07-09
图像处理技术的起源可以追溯到20世纪60年代,经历了模拟图像处理、数字图像处理、计算机视觉和深度学习等重要发展阶段。如今,随着计算机技术和人工智能的飞速发展,图像处理技术已经深入到我们生活的方方面面。据统计,在人类接受的信息中,视觉信息占比高达60%,图像作为传递信息的重要媒体和手段,其重要性不言而喻。在医疗、安防、娱乐、交通等多个领域,图像处理技术都发挥着不可替代的作用。二、图像处理技术在医疗领
more
今日科普|深度学习图像识别技术
2025-07-09
传统的图像识别技术,通常需要人工手动设计各种规则和特征,比如让机器识别图像的边缘、颜色等,这一过程复杂且容易出错。然而,深度学习的出现,尤其是卷积神经网络(CNN)的兴起,为图像识别带来了革命性的变化。深度学习技术可以让机器“自己学习”图像中的重要特征,而不再依赖人类的精心设计。例如,手机中的面部识别系统就使用了深度学习模型,它不只是记住人脸的🔺具体特征,而是通过大量面部数据的学习,逐步掌
more
今日科普|计算机视觉图形展现
2025-07-09
计算机视觉的核心任务丰富多元,涵盖了图像分类、图像分割、目标跟踪、三维重建以及图像理解与语义分析等多个关键领域。以图像分类为例,它要求计算机根据图像的语义信息对不同类别图像进行区分,是物体检测、图像分割等高层次视觉任务的基础。据统计,图像分类技术在安防领域的人脸识别、交通领域的交通场景识别、互联网领域的基于内容的图像检索等方面,都取得了显著成效。此外,目标检测任务则要求计算机在给定的图像或视频帧中
more
计算机视觉技术前沿
2025-07-08
随着大模型和AIGC(人工智能生成内容)技术的发展,计算机视觉领域的研究热点也在不断变化。例如,数字人建模动画关键技术、视频肖像的胖瘦调整、肖像双下巴去除等研究正在取得(de)显(xiǎn)著(zhe)进(jìn)展(zhǎn)。这(zhè)些(xiē)技(jì)术(shù)的(de)背(bèi)后(hòu),是(shì)深(shēn)度(dù)学(xué)习(xí)框(kuāng)架(jià)的
more
<
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
>
为了您更好的体验,请竖屏浏览。
在线留言
Feedback