视觉生产定义
——通过一个/一些列过程，产生新的视觉表达
识别：知道是什么
检测：识别+知道在哪里
分割：识别+检测+知道每一个像素是什么
视觉生产——从无到有
视觉生产流程—— 1.理需求 2.定草图 3.选状态 4.调细节 5.生成图 6.好评坏
视频编辑——移花接木
视觉增强——视频增强：生成对抗技术与图像翻译技术相融合
视觉增强——风格迁移
视觉ai流程：1.输入 2.生成 3.多样 4.生产
视觉AI五天训练营教程 Day 1笔记
2020-09-26
318
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
视觉生产定义
相关文章
|
2月前
|
人工智能
测试技术
API
AI计算机视觉笔记二十 九：yolov10竹签模型，自动数竹签
本文介绍了如何在AutoDL平台上搭建YOLOv10环境并进行竹签检测与计数。首先从官网下载YOLOv10源码并创建虚拟环境，安装依赖库。接着通过官方模型测试环境是否正常工作。然后下载自定义数据集并配置`mycoco128.yaml`文件，使用`yolo detect train`命令或Python代码进行训练。最后，通过命令行或API调用测试训练结果，并展示竹签计数功能。如需转载，请注明原文出处。
194
4
4
|
2月前
|
JSON
人工智能
数据格式
AI计算机视觉笔记二十六：YOLOV8自训练关键点检测
本文档详细记录了使用YOLOv8训练关键点检测模型的过程。首先通过清华源安装YOLOv8，并验证安装。接着通过示例权重文件与测试图片`bus.jpg`演示预测流程。为准备训练数据，文档介绍了如何使用`labelme`标注工具进行关键点标注，并提供了一个Python脚本`labelme2yolo.py`将标注结果从JSON格式转换为YOLO所需的TXT格式。随后，通过Jupyter Notebook可视化标注结果确保准确性。最后，文档展示了如何组织数据集目录结构，并提供了训练与测试代码示例，包括配置文件`smoke.yaml`及训练脚本`train.py`，帮助读者完成自定义模型的训练与评估。
425
2
2
|
1月前
|
Python
机器学习/深度学习
人工智能
手把手教你从零开始构建并训练你的第一个强化学习智能体：深入浅出Agent项目实战，带你体验编程与AI结合的乐趣
【10月更文挑战第1天】本文通过构建一个简单的强化学习环境，演示了如何创建和训练智能体以完成特定任务。我们使用Python、OpenAI Gym和PyTorch搭建了一个基础的智能体，使其学会在CartPole-v1环境中保持杆子不倒。文中详细介绍了环境设置、神经网络构建及训练过程。此实战案例有助于理解智能体的工作原理及基本训练方法，为更复杂应用奠定基础。首先需安装必要库：
```bash
pip install gym torch
```
接着定义环境并与之交互，实现智能体的训练。通过多个回合的试错学习，智能体逐步优化其策略。这一过程虽从基础做起，但为后续研究提供了良好起点。
138
4
4
|
1月前
|
自然语言处理
IDE
测试技术
通义灵码史上最全使用教程：秀一秀AI编程新肌肉
通义灵码是阿里云推出的一款智能编码辅助工具，基于通义大模型，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码优化、注释生成、代码解释、研发智能问答、异常报错排查等功能。它支持 Visual Studio Code 和 JetBrains IDEs，适配多 IDE 原生设计，帮助开发者高效、流畅地编码。官方提供了详细的下载和安装指南，以及丰富的功能介绍和使用指南。
311
3
3
|
1月前
|
机器学习/深度学习
人工智能
算法
使用 NVIDIA TAO Toolkit 5.0 体验最新的视觉 AI 模型开发工作流程
NVIDIA TAO Toolkit 5.0 提供低代码框架，支持从新手到专家级别的用户快速开发视觉AI模型。新版本引入了开源架构、基于Transformer的预训练模型、AI辅助数据标注等功能，显著提升了模型开发效率和精度。TAO Toolkit 5.0 还支持多平台部署，包括GPU、CPU、MCU等，简化了模型训练和优化流程，适用于广泛的AI应用场景。
57
0
0
|
21天前
|
机器学习/深度学习
人工智能
算法
AI赋能大学计划·大模型技术与应用实战学生训练营——吉林大学站圆满结营
10月30日，由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·吉林大学站圆满结营。
56
0
0
|
2月前
|
机器学习/深度学习
人工智能
PyTorch
AI计算机视觉笔记三十二：LPRNet车牌识别
LPRNet是一种基于Pytorch的高性能、轻量级车牌识别框架，适用于中国及其他国家的车牌识别。该网络无需对字符进行预分割，采用端到端的轻量化设计，结合了squeezenet和inception的思想。其创新点在于去除了RNN，仅使用CNN与CTC Loss，并通过特定的卷积模块提取上下文信息。环境配置包括使用CPU开发板和Autodl训练环境。训练和测试过程需搭建虚拟环境并安装相关依赖，执行训练和测试脚本时可能遇到若干错误，需相应调整代码以确保正确运行。使用官方模型可获得较高的识别准确率，自行训练时建议增加训练轮数以提升效果。
213
4
4
|
2月前
|
人工智能
开发工具
计算机视觉
AI计算机视觉笔记三十：yolov8_obb旋转框训练
本文介绍了如何使用AUTODL环境搭建YOLOv8-obb的训练流程。首先创建虚拟环境并激活，然后通过指定清华源安装ultralytics库。接着下载YOLOv8源码，并使用指定命令开始训练，过程中可能会下载yolov8n.pt文件。训练完成后，可使用相应命令进行预测测试。
203
4
4
|
2月前
|
传感器
人工智能
算法
AI计算机视觉笔记二十七：YOLOV8实现目标追踪
本文介绍了使用YOLOv8实现人员检测与追踪的方法。通过为每个人员分配唯一ID，实现持续追踪，并可统计人数，适用于小区或办公楼出入管理。首先解释了目标检测与追踪的区别，接着详细描述了使用匈牙利算法和卡尔曼滤波实现目标关联的过程。文章提供了基于IOU实现追踪的具体步骤，包括环境搭建、模型加载及追踪逻辑实现。通过示例代码展示了如何使用YOLOv8进行实时视频处理，并实现人员追踪功能。测试结果显示，该方法在实际场景中具有较好的应用潜力。
182
4
4
|
2月前
|
人工智能
并行计算
测试技术
AI计算机视觉笔记三十一：基于UNetMultiLane的多车道线等识别
该项目基于开源数据集 VIL100 实现了 UNetMultiLane，用于多车道线及车道线类型的识别。数据集中标注了六个车道的车道线及其类型。项目详细记录了从环境搭建到模型训练与测试的全过程，并提供了在 CPU 上进行训练和 ONNX 转换的代码示例。训练过程约需 4 小时完成 50 个 epoch。此外，还实现了视频检测功能，可在视频中实时识别车道线及其类型。
79
3
3
热门文章
最新文章
1
领英AI人才图谱：全球 190 万 AI 人才，中国只有5万
2
那些加入抗击新冠病毒大军的AI组织和公司
3
「镁客·请讲」MATRIX张国强：不惧公链竞争，将使用AI技术夯实区块链地基
4
让AI为你制作思维导图 —— ChatMind
5
阿里云峰会 | AI搜题加速在线教育行业场景创新
6
人工智能改变生活的 10 种方式
7
OpenAI探索机器人模拟训练新方法：仿真与真实世界无缝衔接
8
病人还能生存多久？现在AI能给出更精准的预测
9
埃森哲表示人工智能有望提升各行业利润
10
DeepMind创始人Demis Hassabis专访：让AI更聪明的秘密就在人类自己身上
1
构建未来：AI在持续学习系统中的创新应用
102
2
LabVIEW将视觉生成器AI用作OPC服务器
65
3
AI信任危机之后，揭秘预训练如何塑造机器的可信灵魂
58
4
[译][AI OpenAI-doc] 生产最佳实践
61
5
体验AI驱动的软件开发 | 普元低代码社区版使用
89
6
首款 AI Native IDE Framework，OpenSumi 3.0 正式发布！
673
7
构建未来：AI驱动的自适应网络安全防御系统
277
8
构建未来：AI在持续学习系统中的创新应用
94
9
AI时代的就业转型与个人发展
1310
10
[译][AI Research] AI 模型中的“it”是数据集
57