近期，我院数据智能团队（DIG）在国际知名期刊IEEE Transactions on Pattern Analysis and Machine Intell...

YOLOv5 是一种常见的目标检测模型，在实际应用中，其训练过程通常涉及多个阶段，包括数据处理、模型训练与结果验证等环节。

过去几年，基础模型和生成式AI模型（特别是大语言模型）已成为AI研究的主要课题。即使在计算机视觉领域也是如此，该领域越来越关注将大语言模型与图像编码器结合的视觉...

今天，我读到一篇 Google DeepMind 发表的论文，标题很直接，叫《视频模型是零样本学习者和推理者》（Video models are zero-sh...

在企业数字化转型与政务智能化升级的进程中，表格作为核心数据载体，广泛存在于金融票据、政务表单、医疗报告、档案文献等各类场景中。传统 OCR 技术仅能实现文字提取...

在企业的日常运营中，海量的非结构化文档——合同、订单、票据、法律文书、企业证照等承载着核心业务信息。然而，这些文档格式各异、布局多变，传统基于固定模板或规则引擎...

过去，经典的计算机视觉算法会系统地将场景分割成单个元素，这是一种缓慢且计算量大的方法。监督式机器学习使这一过程更加高效。

Chibuzor后来与另外两名实习生一起承担了这一具有挑战性的任务，他负责开发一种计算机视觉算法。

近年来，算法偏差已成为跨AI学科研究的核心主题。2018年对人脸识别软件偏差的调查之后，该主题的关注度急剧上升——其中偏差被定义为不同人口统计群体中受试者的表现...

编者按： 本次采访是某机构科学部门发布的系列内容之一，旨在探讨某机构所投资公司产品与服务背后的科学原理。2019年，Alexa基金首次投资nflux.ai，并于...

培训创新：YOLO26 引入了MuSGD 优化器，它是SGD和Muon的混合体，灵感来自 Moonshot AI 在 LLM 训练中取得的Kimi K2突破。该...

Meta 宣布发布 DINOv3，这是一个前沿的自监督视觉基础模型，在广泛的计算机视觉任务中实现了前所未有的性能。该模型通过放弃依赖于内存密集型带标签数据集的策...

YOLO11 是一个多功能的深度学习框架，支持多种计算机视觉任务。该框架可以用于对象检测、实例分割、OBB（定向边界框）、姿态估计等。每项任务都有不同的目标和应...

掌握这个四种经典的卷积网络算子，在计算机视觉任务中非常有用，从图像分类、图像分类、目标检测、实例分割、姿态评估、语义分割等模型中都有它们的身影。

在暑期研究项目中，参与了一个名为“CLING-ERS”的项目，目标是开发国际空间站的自主航天器对接解决方案。负责开发计算机视觉算法。

银行卡识别技术，本质上是在计算机视觉与金融语义之间建立了一座高精度映射桥梁。通过将图像处理、深度学习序列识别与金融校验规则深度耦合，该技术不仅解决了复杂光照、形...