计算机视觉主要有两部分组成： 特征提取 模型训练 其中第一条特征提取在计算机视觉中占据着至关重要的位置，尤其是在传统的计算机视觉算法中，更为明显，例如比较著名的HOG、DPM等目标识别模型，主要的研究经历都是在图像特征提取方面。图像增强能够有效的增强图像中有价值的信息，改善图像质量，能够满足一些特征分析的需求，因此，可以用于计算机视觉数据预处理中，能够有效的改善图像的质量，进而提升目标识别的精度。

风格迁移、一文读懂

内容安全是一款多媒体内容智能识别服务，支持对图片、视频、文本、语音等对象进行多样化场景检测，帮助您有效降低内容违规风险。 此篇文章将简单介绍通过javasdk实现本地图片的安全检测

阿里云文字识别（Optical Character Recognition，OCR）可以将图片中的文字信息转换为可编辑文本，根据客户的业务场景和需求，将产品分为了通用文字识别、个人证照识别、票据凭证识别、教育场景识别、车辆物流识别、企业资质识别、小语种文字识别等，满足各种客户的图片识别需求。此片文章将简单介绍票据凭证识别的python调用

TensorFlow学习笔记--自定义图像识别

TensorFlow学习笔记--CIFAR-10 图像识别

为什么「解释」很重要？ 七种不同的解释方法

来自苏黎世谷歌大脑和DeepMind London的研究人员认为，世界上最受欢迎的图像数据库之一ImageNet需要改造。ImageNet是一个无与伦比的计算机视觉数据集，拥有超过1400万张标记图像。它是为对象识别研究而设计的，并按照WordNet的层次结构进行组织。层次结构的每个节点都由成百上千的图像描述，目前每个节点平均有超过500个图像。

MIT和IBM的研究团队近日发布一个不同寻常的目标识别数据集ObjectNet，包含50000张特意拍摄的照片，尽可能接近真实世界。该数据集让AlexNet、ResNet、Inception等最先进的图像识别模型纷纷栽倒，性能暴降40%~45%。

本文分享了解决Graphviz安装问题的实践经验，针对绘制plantUML类图时出现的报错，提供了两种安装方案。方案1通过Homebrew安装Graphviz，但可能失败；方案2推荐先安装MacPorts，再使用命令`sudo port install graphviz`完成安装。作者为一位资深技术专家，专注于分布式系统与AIGC应用开发，实战经验丰富，更多内容可关注其专栏或访问编程严选网。

一张图看懂图像识别算法发展历史

图像阈值技术是许多计算机视觉应用中的关键步骤。在本文中，我们将利用 scikit-image 实现阈值技术。

吴恩达《Machine Learning》精炼笔记 12：大规模机器学习和图片文字识别 OCR

LabVIEW彩色图像分割（基础篇—14）

LabVIEW图像分割算法（基础篇—6）

LabVIEW图像分割算法（基础篇—6）

使用 Inception-v3，实现图像识别（Python、C++）

Python 深度学习AI - 利用训练好的模型库进行图像分割、一键抠图实例演示，百度深度学习平台飞浆paddlepaddle-gpu的安装与使用

Python 技术篇-3行代码搞定图像文字识别，pytesseract库实现

Python 技术篇-用pytesseract库进行图像识别之环境配置

OpenCV | 分水岭算法进行图像分割

分割抠图技术基于阿里云深度学习技术，结合检测识别技术，为您提供高精度视觉分割能力。 分割抠图技术可以实现秒级全自动主体、场景像素级识别，制作4通道透明素材。不仅实现了发丝级精抠，对高度镂空主体、复杂背景等场景都有很好的效果，同时支持人、货、场三种类型需求，可广泛应用于电子商务、零售、泛文娱、个人应用等多种场景。 本文章将实现基于python调用商品分割接口，纪念下刚学的python基础

随着智能手机和移动设备的普及，越来越多的图片被产生，也有越来越多的图片文字识别需求。典型的应用场景有证件信息的自动识别和提取，自然场景中的文字识别，文档或者宣传资料中的文字检测识别等。同时，由于深度学习和图像检测技术的发展，使得上述场景中的文字的检测和识别效果越来越好，使得机器自动识别成为可能，在业务审核中给公司节省了大量的人力。

读光是一款由阿里巴巴集团达摩院团队打造的OCR云产品，多年来, 不断整合前沿技术和行业经验，打磨出了能够承载跨行业应用的技术架构，形成了完备的图像文字定位、文字识别和文字理解的技术体系。经过多种数据类型的洗礼和实战经验，读光OCR的识别准确率和处理性能稳居业界领先水平。读光身份证识别支持二代身份证正反面所有字段的识别。支持实拍复印件判断和人脸位置检测。基于达摩院强大的深度学习算法和OCR技术，各字段精度均处于业界领先水平，身份证号码识别准确率达到99.9%以上。本文将介绍身份证识别的快速调试和基于Java的调用。

读光是一款由阿里巴巴集团达摩院团队打造的OCR云产品，多年来, 不断整合前沿技术和行业经验，打磨出了能够承载跨行业应用的技术架构，形成了完备的图像文字定位、文字识别和文字理解的技术体系。经过多种数据类型的洗礼和实战经验，读光OCR的识别准确率和处理性能稳居业界领先水平。读光身份证识别支持二代身份证正反面所有字段的识别。支持实拍复印件判断和人脸位置检测。基于达摩院强大的深度学习算法和OCR技术，各字段精度均处于业界领先水平，身份证号码识别准确率达到99.9%以上。本文将介绍身份证识别的快速调试和基于Java的调用。

DL之MaskR-CNN：基于类MaskR-CNN算法(RetinaNet+mask head)训练自己的数据集(.h5文件)从而实现图像分割daiding

DL之MaskR-CNN：基于类MaskR-CNN算法(RetinaNet+mask head)利用数据集(resnet50_coco_v0.2.0.h5)实现图像分割

DL之SegNet：SegNet图像分割算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略

ML之GMM：基于GMM算法的图像分割案例

日漫的画风，迪士尼的幻想，想要打破次元壁，只需要一键调用，来看人脸动漫化的大升级，给你带来全新特效，让你意想不到的变身。

AI开放平台，即是一种能力，也是一种态度，更是一种价值体现，是AI可持续发展的必由之路。本文以阿里云视觉智能开放平台（vision.aliyun.com）为示例，讲述AI平台的定位、架构、实现、运营及进化之路。

相信很多人在生活中已经接触了不少的AI相关服务和能力，比如人脸识别，植物识别，车牌识别，智能抠图等等，这些便利的能力在我们的工作中帮助我们完成了一项又一项成功案例，从现在普及的人脸考勤，到帮助医疗实验的智能诊断。而人工智能，其实还可以做的更多。

当前人工智能技术和应用快速发展，为了让广大开发者更深入了解人工智能技术并高效的进行AI能力的研发和使用，此次阿里云开发者大会开设视觉AI开发平台及其行业应用论坛，与广大开发者近距离分享相关经验。

数字时代，创新的时代。万千开发者汇聚智慧，启迪梦想，不断推动创新发生。成立12年的阿里云，始于开发者的理想，坚信开发者的力量。阿里云，坚持用云的力量让开发者的创新更简单，共同成就一个个数字新篇章。

阿里云视觉智能开放平台是基于阿里巴巴视觉智能技术实践经验，为用户提供易用、普惠的视觉API服务，平台目前涵盖了14个类目，共计170+视觉AI能力，在公测期间在公测期间免费为用户提供上百款AI能力的调用，欢迎各位同学报名进入直播间，观看达摩院视觉AI课程，了解体验更多的免费视觉AI能力。

岁月从不败美人，撷来芳华成至真，快来看看母亲年轻时候的样子吧。

新时代下，AI正在以惊人的速度渗透到社会各界当中，这一次造就改变的将会是达摩院的ai技术。