OCR文字识别方法综述
摘 要：文字识别可以把海量非结构化数据转换为结构化数据，从而支撑各种创新的人工智能应用，是计算机视觉研究领域的分支之一，其任务是识别出图像中的文字内容，一般输入来自于文本检测得到的文本框截取出的图像文字区域。近几年来，基于深度学习的文字识别算法模型已取得不错成果，其过程无需进行特征处理且可以实现复杂场景文字识别，效果要优于传统文字识别方法，逐渐成为文字识别研究应用的主流方式。本文将主要介绍基于深度学习的文字识别技术综述，分类总结主流文字识别经典算法，讨论未来文字识别领域发展与研究趋势。
YOLOv5实现图片内目标检测
本文介绍了如何配置yolov5的运行环境、如何进行数据标注、如何通过yolov5训练数据集实现图片的目标检测。目标检测在计算机视觉领域中具有重要意义，yolov5（You Only Look One-level）是目标检测算法中的一种代表性方法，以其高效性和准确性备受关注，并且在各种目标检测任务中都表现出卓越的性能。
视觉智能平台常见问题之量具检测训练好了调用模型如何解决
视觉智能平台是利用机器学习和图像处理技术，提供图像识别、视频分析等智能视觉服务的平台；本合集针对该平台在使用中遇到的常见问题进行了收集和解答，以帮助开发者和企业用户在整合和部署视觉智能解决方案时，能够更快地定位问题并找到有效的解决策略。
一种基于YOLOv8改进的高精度红外小目标检测算法 （原创自研）
【7月更文挑战第2天】
💡💡💡创新点：
1）SPD-Conv特别是在处理低分辨率图像和小物体等更困难的任务时优势明显；
2）引入Wasserstein Distance Loss提升小目标检测能力；
3）YOLOv8中的Conv用cvpr2024中的DynamicConv代替；
FFmpeg开发笔记（五十一）适合学习研究的几个音视频开源框架
音视频编程对许多程序员来说是一片充满挑战的领域，但借助如OpenCV、LearnOpenGL、FFmpeg、OBS Studio及VLC media player等强大的开源工具，可以降低入门门槛。这些框架不仅覆盖了计算机视觉、图形渲染，还包括多媒体处理与直播技术，通过多种编程语言如Python、C++的应用，使得音视频开发更为便捷。例如，OpenCV支持跨平台的视觉应用开发，FFmpeg则擅长多媒体文件的处理与转换，而VLC media player则是验证音视频文件质量的有效工具。
协作机器人和工业机器人的区别
协作机器人（Cobot）是专为人机协同设计的工业机器人分支，以安全、灵活、易用为核心，通过力控感知、速度监控与ISO/TS 15066认证实现无围栏共作；支持拖拽示教、快速换型，部署快、成本低、ROI短（6–18个月），适用于打磨、柔性装配、医疗辅助等非标场景。（239字）
