文章目录1.了解腐蚀和膨胀2.了解开运算和闭运算3.形态字梯度（1）形态字梯度=原图-腐蚀（2）函数讲解（3）代码实战4.顶帽（1）顶帽=原图-开运算（2）函数讲解6.黑帽（1）黑帽=原图-闭运算（2）函数讲解7.总结 1.了解腐蚀和膨胀2.了解开运算和闭运算3.形态字梯度（1）形态字梯度=原图-腐蚀（2）函数讲解morphologyEx(src, op, kernel, dst=None, a
转载
2024-03-15 21:23:20
91阅读
一直想研究openCV，这段时间终于静下心来做个学习笔记，边学边记， 从基础开始，我把学习openCV中的过程和问题尽量记录下来(包括各种坑！！)，希望能有条理的回顾这方面的知识，也希望能帮助到同样学习openCV的同学，暂时以ios平台为例，后期会整理android相关。安装openCV运行环境（for IOS）保证我们学习最新版本，建议大家去官方下载最新的source，我这边暂时按
转载
2024-08-05 21:32:08
72阅读
目录一、腐蚀二、膨胀三、开运算四、闭运算五、形态学梯度六、Top-Hat七、Black-Hot八、形态学操作之间的关系九、构造结构化元素（核）形态学转换原理：一般情况下对二值化图像进行操作。需要两个参数，一个是原始图像，另一个是结构化元素（核），它是用来决定操作的性质的。基本操作为腐蚀和膨胀，他们的变体构成了开运算、闭运算、梯度等谢谢这朵小花！！！一、腐蚀把前景物体的边界腐蚀掉，但是前
转载
2024-07-16 06:22:40
99阅读
0、概述 opencv集成了经典adaboost算法，并结合haar特征实现了人脸检测功能。算法原理可参考人脸检测大牛Paul Viola 的文章《Rapid Object Detection using a Boosted Cascade of Simple Feature》。由于该算法堪称经典，并可推广应用于其他相关检测识别领域（如车牌检测、车辆检测识别），因此有必要从源码上学习其实现过程。
一个配置成功的openCv环境应该是这样的 然后先介绍下这个属性页的配置。 1.可执行文件目录，他的说明是，生成vc++项目期间，搜索可执行文件时使用的路径，与环境变量path相对应，大概在path文件夹下搜索可执行文件吧，这个没验证2.包含目录，他的说明是，生成vc++项目期间，搜索包含文件时使用的路径，与环境变量INCLUDE相对应，对应一个Include文件夹
基于C++与OpenCV的模板匹配学习（1）OpenCV matchTemplate()示例 文章目录基于C++与OpenCV的模板匹配学习（1）OpenCV matchTemplate()示例前言一、模板匹配1.1 概念1.2 基于灰度值的模板匹配1.2.1 差值平方和SAD与SSD1.2.2 归一化互相关系数NCC1.3 基于边缘的模板匹配二、OpenCV matchTemplate示例2.1
转载
2024-02-20 21:53:35
88阅读
研究者表示，这一工作有望让大规模的智能垃圾分类检查成为可能，提升垃圾分类回收的效率，减少环境污染。近些年来，社会的发展带来了生活垃圾的爆发性增长，实行垃圾分类既可以减少对自然环境的破坏，同时对垃圾中的可回收资源进行回收再利用，也带来更大经济效益。垃圾分类的的检查工作是其中的重要一环，只有正确的分类才能提升回收效率和避免环境污染。传统的分类检查方法依赖于人工的翻阅。而现有的图像检查方法也需要打开垃圾
转载
2024-09-29 12:43:04
42阅读
OpenCV形态学操作——开运算、闭运算、形态学梯度、顶帽、黑帽一、学习目标二、各种操作简介三、综合实例 一、学习目标理解什么是开运算、闭运算、形态学梯度、顶帽和黑帽学会使用OpenCV实现上述的图像形态学操作使用综合性的例子进行实验二、各种操作简介1、开运算开运算：先腐蚀后膨胀，表达公式为：dst = open(src, element) = dilate(erode(src, element
转载
2024-05-02 17:12:03
33阅读
图像处理之 模型匹配有关知识1.相关API：2.模板匹配的几种算法： 1.平方差匹配method=CV_TM_SQDIFF， 2.标准平方差匹配method=CV_TM_SQDIFF_NORMED （这类方法利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大.）3.相关匹配method=CV_TM_CCORR， 4.标准相关匹配method=CV_TM_CCORR_NORMED （这类方法采
转载
2024-04-11 22:13:41
34阅读
来源：轩辕重出武圣人@大模型与小场景恶意行为者或高级持续性威胁（APT）对LLM（语言模型）进行未经授权的访问和泄露。当具有高价值知识产权的LLM模型被泄露、物理盗窃、复制或提取权重和参数以创建功能等效的模型时，就会发生这种情况。LLM模型盗窃的影响可能包括经济和品牌声誉损失、竞争优势受到侵蚀，以及未经授权使用模型或未经授权访问模型中包含的敏感信息。随着语言模型变得越来越强大和普及，LLM模型盗窃
原创
2023-09-29 13:22:54
787阅读
有这么一句话，那就是AI大模型分两种，一种是大模型；另一种是华为大模型。 如果从技术角度来分析，华为的技术不
原创
2023-11-29 10:47:38
2245阅读
点赞
OpenCV是基础工具库，解决传统图像处理问题。YOLO是高效的深度学习模型，解决特定任务（目标检测）。大模型是通用人工智能的探索，解决复杂、跨模态任务。在实际项目中，三者可结合使用：OpenCV 处理数据流，YOLO 负责实时检测，大模型完成高层语义理解或生成。
基于统计分类的方法：（1）基于KNN方法（最近邻法）：利用相似度，找出k个训练样本，然后打分，按得分值排序。（2）基于Naive Bayes算法：计算概率，构建分类模型。引导： 医生对病人进行诊断就是一个典型的分类过程，任何一个医生都无法直接看到病人的病情，只能观察病人表现出的症状和各种化验检测数据来推断病情，这时医生就好比一个分类器，而这个医生诊断的准确率，
转载
2024-07-10 12:59:58
267阅读
我遇到的问题基本在这篇博文里解决了，非常感谢博主，收藏了！！！我想大家都非常有兴趣使用opencv的haas-like features来训练一个分类器，但在使用过程并不像网上的教程说的那么一番风顺，这篇博文我主要说下大概的训练过程，以及训练过程中遇到的问题和我的解决方案。这里准备数据样本正样本：我准备了5085个人脸，人脸样本的准备我是通过opencv 的人脸检测器 来截取，然后缩放到24*24
转载
2024-03-07 19:28:04
65阅读
目录一、颜色空间介绍1.1 RGB模型1.2 CMYK模型1.3 YUV（YCbCr）模型1.4 HSI模型1.5 HSV(HSB)模型二、颜色空间转换2.1 RGB转灰度图2.2 RGB和HSV相互转换2.3 RGB和HSI相互转换2.4 RGB和YUV相互转换参考一、颜色空间介绍颜色空间也称彩色模型(又称彩色空间或彩色系统）它的用途是在某些标准下用通常可接受的方式对彩色加以说明。&n
Gartner 将生成式 AI 列为 2022 年五大影响力技术之一，MIT 科技评论也将 AI 合成数据列为 2022 年十大突破性技术之一，甚至将 Generative AI 称为是 AI 领域过去十年最具前景的进展。未来，兼具大模型和多模态模型的 AIGC 模型有望成为新的技术平台。近来，腾讯发布的混元 AI 万亿大模型登顶权威中文测评基准 CLUE 榜并超越人类水平。混元 AI 大模型采用
转载
2024-02-07 23:18:38
193阅读
分布式训练系统包括多个组成部分，如AI集群架构、通信机制、并行技术等。基于这些内容，我们可以设计出不同的大模型算法。下面我们简单讲述下大模型的发展脉络，大模型的结构以及SOTA大模型算法。大模型发展脉络随着2017年Transformer结构的提出，使得深度学习模型参数突破了1亿，Transformer 取代RNN、CNN进入大模型时代。2018年谷歌发布了BERT，便一举击败 11 个 NLP
转载
2024-03-31 00:26:19
629阅读
开源案例地址：https://github.com/PaddlePaddle/ERNIE 其他的框架也会集成相关的大模型一、介绍二、大模型技术概述算法数据算力 大模型成为新方向 NLP大模型突破 价值，降本（数据，算力）增效 通用性底座 少数据，少算力，时间短 理解和生成的能力提升 文图生成 原理介绍 大模型技术发展 全局信息和高并发性 预训练模型三剑客 预训练 超大规模模型 小样本性能提升 通用
转载
2024-05-21 14:13:02
112阅读
# 实现NLP与CV大模型的流程指南
在当今的科技领域，NLP（自然语言处理）和CV（计算机视觉）大模型成为了热门话题。这两种技术结合在一起，可以为我们带来更强大的应用能力，例如图像语义理解和多模态搜索等。本文将为刚入行的小白开发者提供一个清晰的实现流程，以及每一步的代码示例和解释。
## 流程概述
以下是实现NLP与CV大模型的步骤概述：
| 步骤 | 描述 |
|------|----
原创
2024-08-16 06:09:34
905阅读
大模型训练方法：1. MoEOutrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer.motivation现在的模型越来越大，训练样本越来越多，每个样本都需要经过模型的全部计算，这就导致了训练成本的平方级增长。为了解决这个问题，即将大模型拆分成多个小模型，对于一个样本来说，无需经过所有
转载
2023-11-26 11:04:57
1196阅读
点赞
