视觉推理的自然语言 该存储库包含 （Suhr等人2017）和 （Suhr和Zhou等人2018）的数据。 视觉推理自然语言语料库的任务是确定关于视觉输入（如图像）的句子是否正确。 该任务的重点是关于对象集，比较和空间关系的推理。 这包括两个数据集：具有合成生成图像的NLVR和包括自然照片的NLVR2。 有关示例和页首横幅，请参见网页： ： 如有疑问，请使用“问题”页面，或直接给我们发送电子邮件： 发牌 NLVR（包含合成图像的原始数据集; Suhr等人2017） 继Microsoft COCO（ ）之后，我们根据CC-BY-4.0（ ）许可了NLVR数据集（合成生成的图像，结构化表示和注释） ）。 NLVR2（具有真实图像的数据集，Suhr和Zhou等人，2018年） 我们已在CC-BY-4.0（ ）下许可了NLVR2图像的注释（句子和二进制标签）。 我们不授权NL

<>

生成压缩 TensorFlow实现，用于使用生成对抗网络来学习图像压缩。 该方法由Agustsson等开发。 等基于。 提出的想法非常有趣，并且对它们的方法进行了详细描述。 用法 代码取决于 # Clone $ git clone https://github.com/Justin-Tan/generative-compression.git $ cd generative-compression # To train, check command line arguments $ python3 train.py -h # Run $ python3 train.py -opt momen

用于GigEVision:registered:硬件的Image Acquisition Toolbox:trade_mark:支持包可让您从兼容GigE Vision的相机中直接将图像和视频采集到MATLAB:registered:和Simulink:registered:中。 该支持包对R2014a及更高版本有效。

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的VIT图像分类模型实现分类任务。 通过本文你和学到： 1、如何构建VIT模型？ 2、如何生成数据集？ 3、如何使用Cutout数据增强？ 4、如何使用Mixup数据增强。 5、如何实现训练和验证。 6、如何使用余弦退火调整学习率？ 7、预测的两种写法。 这篇文章的代码没有做过多的修饰，比较简单，容易理解。 原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/123049220

机器视觉 Machine Vision （英文版） Automated Visual Inspection: Theroy, Pratice And Applications

学校机器视觉课程教材

Machine Vision Handbook。非常经典的机器视觉手册（宝典）。英文版，带书签，高清。

Allied Vision相机采集、显示图像源码。VS2019编译MFC界面，独立运行，完成库文件。

Richard Szeliski著《计算机视觉：算法与应用》英文原版pdf全文。不建议英文不好的同学下载。