搜索[视觉识别]结果-低调大师优秀个人博客

精选列表

搜索[视觉识别]，共10000篇文章

极致IT AI 置景、合成精修与多工具实操：构建视觉工业化生产新范式

在数字内容创作、商业摄影、影视短视频与电商视觉领域，视觉生产正从 “手工精修” 走向 “人机协同”，以AI 置景、AI 合成精修、多工具链实操为核心的一体化工作流，正在重构创意落地效率、画质标准与工业化交付能力

2026-09-20

3D视觉客流统计系统的端边云架构设计：从数据采集到智能分析

在物联网（IoT）场景中，人员统计设备正在从单一传感器采集向多层数据处理架构演进。

2026-09-15

城市公交车载双目立体视觉客流感知终端关键技术机理与系统架构解析

多目标跟踪框架下，卡尔曼滤波运动状态估计与匈牙利算法数据关联维持目标身份的连续性，对目标运动轨迹开展时空连续性校验，识别折返、瞬时停留等异常运动模式并完成计数去重；高密度遮挡场景下依托深度维度的空间分层信息

2026-09-09

三种视觉方案的测距逻辑与工程选型

简介：移动机器人和低速载具的避障，本质上不是"看得清障碍"，而是"测得出距离"。单目、双目、主动深度相机三条技术路线给出的答案完全不同：有的只能判有无，有的靠视差反推，有的直接输出逐像素距离。本文从测距原理出发拆解三种方案的取舍，帮你避开选型中最常见的坑。

2026-09-08

机器视觉在机加工零部件质检场景的落地难点与工程实现思路

外观裂纹、磕碰、毛刺、尺寸偏差检测，是金属零部件出厂前必不可少的工序。传统依靠人工肉眼检测模式存在明显短板：长时间重复作业容易疲劳误判，人员流动会造成品质标准波动；针对大批量小型零件、异形锻件，人工检测效率很难持续提升。

2026-08-13

视觉几何 · 从匹配到深度Depth Anything V2 在消费级显卡上的真实测评

Base vs Large · 6 对真实图 · RTX 5060 Ti 16GB · long-edge 768 · 2026.07

2026-07-21

全球首个人形机器人通用视觉感知系统！Humanoid Occupancy 建立多模态环境理解新范式

凭借类人化的结构设计与运动模式，人形机器人被公认为最具潜力融入人类环境的通用型机器人。其核心任务涵盖操作（manipulation）、移动（locomotion）与导航（navigation）三大领域，而这些任务的高效完成，均以机器人对自身所处环境的全面精准理解为前提。然而，传统感知系统存在明显局限：有些仅能适配特定场景，难以应对复杂多变的真实环境；有些无法有效融合多种传感器信息，导致数据利用率低下。这直接造成机器人在实际应用中频繁出现感知失效问题，严重制约了任务执行效率。为此，北京人形机器人创新中心（国地共建具身智能机器人创新中心）推出Humanoid Occupancy感知系统，为破解这一行业难题提供了革命性方案。该系统通过创新性融合多模态传感器信息，构建起基于语义占用（occupancy）表征的通用感知框架，能够精准捕捉环境中的语义属性与几何特征，为机器人的任务规划和导航决策奠定坚实基础，也为人形机器人向实际场景大规模部署迈出了关键的一步。突破传统感知局限，占用表征具有核心优势人形机器人面临三大核心任务：操作、移动和导航。操作需要丰富的纹理和几何信息，移动依赖地形几何感知，导航则要求全局环境语义和空间几何理解。这些多样化需求对感知系统设计提出了巨大挑战，而传统的感知表示方法往往只能反映部分信息，无法满足复杂任务需求。因此，Humanoid Occupancy系统选择语义占用表征作为人形机器人感知的核心范式，其具备两大显著优势：三维空间全面编码：通过体素直接编码环境中每个空间单元的占据状态与语义类别，不仅能精准捕捉二维平面分布特征，更能完整呈现垂直维度的精细结构及语义属性，其表征能力显著优于传统的BEV（鸟瞰图）表征方式。天然适配多模态融合：相较于点云、网格等其他三维表示方法，语义占用可将RGB图像、深度信息、LiDAR点云等多类传感器数据方便地统一整合至空间体素中，使得该系统在数据结构规范性、语义标注便捷性及下游任务接口兼容性上更具通用性与可扩展性，能够直接为路径规划、障碍规避及操作执行等任务提供支撑。三大关键技术，构建完整感知体系 Humanoid Occupancy系统构建了一套覆盖硬件布局、数据集构建及多模态融合网络设计的全链条解决方案，为人形机器人提供了通用化的感知技术路线。优化传感器布局，最大化感知能力：为兼顾操作、移动和导航任务的感知需求，系统采用了创新的传感器布局策略：配备6个RGB相机和1个激光雷达，其中6个相机前后各1个、两侧各2个，激光雷达的水平视场角为360度。同时针对人形机器人的特性，设计了科学合理的安装方案，有效避免了设备遮挡问题，保证了360度感知范围，并确保兼容不同场景和未来迭代升级。构建首个人形机器人全景占用感知数据集，助力社区研究：为解决人形机器人领域数据稀缺问题，团队构建了首个针对人形机器人的占用感知数据集。数据集涵盖家居、工业等多种场景，针对不同场景定义了差异化的语义标注类别（如家居场景包括行人、椅子、桌子等，工业场景包括传送带、静态物体等）。标注采用了精心设计的动静态解耦标注方法，分别针对动态目标（如行人）进行bounding box标注，静态点云进行逐点语义标注，最终逐帧合并生成占用真值。设计多模态融合感知网络，实现精准环境感知：为了实现精确且高效的三维占用感知，北京人形设计了轻量化的多模态时序融合占用感知网络。该网络首先使用各模态专用的编码器分别提取图像和点云特征。然后通过Transformer 解码器实现跨模态的可变形注意力融合。为了进一步提高感知性能，北京人形记录历史BEV特征，并将其对齐到当前时刻自车坐标系中，然后融合跨时序多尺度BEV特征。最终，北京人形将BEV特征拉升到三维空间预测最终结果。实验结果优异，实现性能和效率的平衡基于采集的多样化场景数据，团队同步构建了数据集与Benchmark。北京人形使用mIoU和rayIoU来衡量三维空间语义分割精度，同时统计模型参数量衡量模型规模。对比试验北京人形在该数据集上，将北京人形的方法与具有代表性的 BEV 感知模型进行了训练和测试。所有模型均采用相同的训练配置，包括输入图像分辨率、骨干网络结构、特征维度和训练策略。结果显示，北京人形的模型在取得更优指标的同时，还保持了轻量化架构，参数数量更少。消融实验北京人形通过消融实验验证了每一个设计的有效性。具体来说，北京人形分析了相机畸变修正策略、时序信息聚合和输入模态数据的影响。相机畸变：北京人形针对输入图像和投影方法进行实验，实验结果表明，在输入原始图像，并使用考虑畸变的投影方法进行视角变换能够实现最优的性能。时序聚合：北京人形对所聚合的BEV特征数量进行实验。实验结果表明，北京人形提出的时序融合模块能够有效聚合历史特征，相比单帧模型获得显著提升。模态融合：多模态模型相比只有相机和只有激光雷达的模型具有显著性能优势。这印证了图像和点云的互补特性——点云提供深度等几何信息而图像提供丰富的语义信息。可视化结果北京人形展示了典型感知结果，可以发现得益于图像和点云的深度融合，该方法能够实现精准的语义占用感知。推动人形机器人迈向通用化感知时代 Humanoid Occupancy 系统的推出，不仅为人形机器人提供了强大的环境感知能力，更解决了传感器布局、数据标注和多模态融合等关键挑战，奠定了通用感知模块标准化的技术基础。此外，北京人形构建了首个人形机器人的全景占用感知数据集，并在天工机器人上验证了该系统的有效性。未来，团队计划进一步扩展数据集、优化时序融合策略，并探索在更多人形机器人平台上的应用。随着技术的不断成熟，人形机器人有望在家庭服务、工业协作、户外救援等多个领域发挥重要作用，为人类生活带来更多便利。想了解更多关于Humanoid Occupancy的详细信息，可参考项目主页以及技术报告。项目主页：https://humanoid-occupancy.github.io/ 论文地址：https://arxiv.org/abs/2507.20217

2025-08-07

阿里通义千问推出视觉推理模型 QVQ-Max：可分析、推理图片和视频内容

今天凌晨，阿里通义千问团队宣布推出新一代视觉推理模型 QVQ-Max。据官方介绍，QVQ-Max 不仅能够理解图片和视频内容，还能为上述信息提供分析并推理。

2025-03-28

阿里云视觉AI开发者创新应用赛来啦！百种AI算法免费使用，快来报名吧！

首届阿里云视觉AI开发者创新应用赛开始报名啦!

2020-06-03

计算机视觉深度解读，文中附全报告下载链接

即对于客观存在的三维立体化的世界的理解以及识别依靠智能化的计算机去实现。确切地说，计算机视觉技术就是利用了摄像机以及电脑替代人眼使得计算机拥有人类的双眼所具有的分割、分类、识别、跟踪、判别决策等功能。

2019-12-25

阿里云产品家族再添新丁：视觉AI、CPFS一体机助力企业全面上云

近日举行的2019阿里云广东峰会上，阿里云宣布推出面向混合云场景的CPFS一体机和视觉AI一体机，两款新品具备超高性能、开箱即用等特性，极大降低企业上云的周期和门槛。

2019-12-03

2018年AI和ML（NLP、计算机视觉、强化学习）技术总结和2019年趋势（上）

我将在本文中介绍自然语言处理（NLP）、计算机视觉、工具库、强化学习、走向合乎正道的人工智能 2、自然语言处理（NLP）让机器分析单词和句子似乎是一个梦想，就算我们人类有时候也很难掌握语言的细微差别

2019-01-13

阅面携手英特尔发布“繁星”系列产品，推动机器视觉迈入AI芯片新纪元

本文来自AI新媒体量子位（QbitAI）让机器视觉技术以更低门槛普及，是不少AI公司的核心愿景。阅面科技，正是这样愿景下创立的关键玩家。现在，阅面交出初步成绩单。

2017-12-31

含NLP、ML、计算机视觉方向（附代码&论文）

自然语言处理 DuReader: a Chinese Machine Reading Comprehension Dataset from Real-world Applications@zhangjun 推荐Machine Reading Comprehension 大型中文阅读理解数据集，工作来自百度。论文链接https://www.paperweekly.site/papers/1137代码链接https://github.com/baidu/DuReader TransNets - Learning to Transform for Recommendation@ccclyu 推荐Transfer Learning 引入了迁移学习的隐含表示层来减少 test dataset 的稀疏性。论文链接https://www.paperw

2017-11-29

【AI版摩尔定律】10张图盘点计算机视觉、语音和文本理解里程碑

从近期微软宣布语音识别错误率降至5.1%，与人类水平相当谈起，这篇文章将介绍目前AI领域最为知名的发展水平衡量标准，涉及计算机视觉、文本理解、语音识别、翻译、游戏等多个方向。

2017-08-30

万亿级电商广告 - 毫秒级科技(视觉挖掘姊妹篇) - 阿里云RDS PostgreSQL, HybridDB for PostgreSQL最...

我在另外两篇文档中，分别使用了空间数据库的视觉挖掘特性、PostgreSQL的GIN倒排索引两种方法来实现毫秒级别的圈人。

2017-08-25

新手如何突破PPT内容和视觉上的设计？从“堆文字”到“有逻辑有层次”的完整思路

这篇不讲花哨特效，专门讲两件事：内容上怎么先想清楚，视觉上怎么一步步做出层次。方法来自大量真实页面的改写对比，看完你能照着把一页“凌乱的文字”改成“逻辑清楚、有设计感”的页面，全文约 4600 字。

2026-10-19

数字孪生赋能智慧园区：高精度可视化大屏与边缘计算视觉分析的融合实践

本文探讨一种务实的智慧园区数字孪生建设路径：以高精度可视化大屏为呈现载体，以边缘计算视觉分析为感知引擎，构建“感知—呈现—处置”的闭环体系。

2026-09-28

11 张截图进，6 张海报出：我用 WorkBuddy 完成云栖大会作品展示图的视觉重构

作品要在云栖大会上展示，运营联系我发一些更好的作品展示图来呈现。当你手里只有一堆产品截图，却需要在短时间内拿出能上台面的展示物料时，怎么用 AI 做成。下面记录的，是我用 WorkBuddy 为云栖大会作品展示备料的过程。

2026-09-23

WorkBuddy 实战：机器视觉缺陷检测从业者如何用它搭一套质检方案工作流

作者：一名做工业机器视觉 / 表面缺陷检测的工程师，日常工作是成像方案选型、算法验证、检测报告输出。用 WorkBuddy 处理视觉项目资料整理、检测方案起草、周报归档，累计两个月真实使用记录。

2026-09-17

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。