开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

在不同图像坐标上计算多个尺度后的鼠标位置

，可以通过以下步骤实现：

获取鼠标在不同图像坐标上的位置信息。
- 鼠标位置信息可以通过前端开发中的鼠标事件（如mousemove）获取，或者通过移动开发中的触摸事件获取。
- 在不同图像坐标上的位置信息可以通过前端开发中的坐标转换函数（如clientX/clientY、pageX/pageY、screenX/screenY）进行转换。

计算多个尺度后的鼠标位置。
- 多个尺度可以通过前端开发中的缩放函数（如transform:scale）实现，或者通过后端开发中的图像处理库进行缩放。
- 在不同尺度下，可以通过简单的比例计算来获得多个尺度后的鼠标位置。例如，如果缩放比例为0.5，则新的鼠标位置为原始位置乘以0.5。
应用场景和优势：
- 应用场景：在图像处理、多媒体处理、人工智能等领域中，经常需要对图像进行不同尺度的处理，例如缩放、裁剪、旋转等。在这些场景下，计算多个尺度后的鼠标位置可以帮助我们更准确地定位和处理图像中的特定区域。
- 优势：通过计算多个尺度后的鼠标位置，可以实现对图像的精细操作和精确控制，提高图像处理的准确性和效率。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云图像处理（https://cloud.tencent.com/product/img）
- 腾讯云人工智能（https://cloud.tencent.com/product/ai）
- 腾讯云多媒体处理（https://cloud.tencent.com/product/mps）
- 腾讯云移动开发（https://cloud.tencent.com/product/mob）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/bc）
- 腾讯云元宇宙（https://cloud.tencent.com/product/vr）

请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求进行评估和决策。

相关搜索:从屏幕上的鼠标光标位置获取图像坐标(WPF图像控件)如何将鼠标悬停在图像上并获得鼠标所在位置的坐标如何使用tkinter中的鼠标性别和鼠标位置坐标在屏幕上移动对象按顺序在不同xy坐标的数组上绘制不同图像的数组使用Ajax在图像上显示鼠标悬停后的信息 UWP我的项目符号在画布上与图像相交的位置(相对于图像的坐标)提取的圆的像素坐标(使用scikit图像)从在图像上绘制的圆的实际位置移动(使用openCV)在一个单元格的不同位置添加多个图像每个不同的多文本行分别影响放置在多个文本之上的图像的位置如何使用node js中的jimp在多个图像上打印不同的文本？在两个不同div中的同一位置重叠多个图像

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

多尺度表征10亿像素图像，斯坦福神经场景表征新方法入选SIGGRAPH

当前，神经表征已经成为渲染、成像、几何建模和模拟应用的一种新范式。与网格、点云和体积网格等传统表征相比，神经表征可以灵活地合并入可微分、基于学习的 pipeline。神经表征近来的进展实现了在中等分辨率下表征具有丰富细节的信号，比如图像和 3D 形状，但充分地表征大尺度或复杂场景依然是一个挑战。

01

StyleGAN3问世，等变性perfect！皮肤、毛发不再粘屏幕，还能360度旋转 | 已开源

刚刚英伟达最新推出的升级版StyleGAN 3，因为一组合成艺术作品刷爆Twitter，不少网友感叹：AI 制造了人类无法理解的恐怖！

02

特征点法视觉里程计（2D-2D）

特征点提取与匹配经典SLAM模型中以位姿-路标（Landmark）来描述SLAM过程路标是三维空间中固定不变的点，能够在特定位姿下观测到数量充足，以实现良好的定位较好的区分性，以实现数据关联在视觉SLAM中，可以利用图像特征点作为SLAM中的路标特征点：图像当中具有代表性的部分可重复性可区别性高效本地特征点的信息：位置、大小、方向、评分——关键点特征点周围的图像信息——描述子（Descriptor）例子：SIFT/SURF/ORB OpenCV features2d 模块 ORB

02

Hinton团队CV新作：用语言建模做目标检测，性能媲美DETR

选自arXiv 作者：Ting Chen等机器之心编译机器之心编辑部目标检测的「尽头」是语言建模？近日，Hinton 团队提出了全新目标检测通用框架 Pix2Seq，将目标检测视作基于像素的语言建模任务，实现了媲美 Faster R-CNN 和 DETR 的性能表现。视觉目标检测系统旨在在图像中识别和定位所有预定义类别的目标。检测到的目标通常由一组边界框和相关的类标签来描述。鉴于任务的难度，大多数现有方法都是经过精心设计和高度定制的，在架构和损失函数的选择方面用到了大量的先验知识。图灵奖得主 Ge

00

SSD: Single Shot MultiBox Detector

本文提出了一个使用单一深度神经网络对图像中的目标进行检测的方法。本文的方法称为SSD，根据每个feature map位置不同的宽高比和尺度，将Bounding Box的输出离散为Bounding Box先验的集合。在预测时，网络产生置信度，认为每个先验对应感兴趣的目标，并对先验进行调整，以便更好地匹配目标的形状。此外，该网络结合了来自具有不同分辨率的多个特征图的预测，以自然地处理不同大小的目标。SSD模型相对于需要目标建议的方法(如R-CNN和MultiBox)是简单的，因为它完全抛弃了生成建议的步骤，并将所有计算封装在一个网络中。这使得SSD易于训练，并且易于集成到需要检测组件的系统中。在ILSVRC DET和PASCAL VOC数据集上的实验结果证实，SSD的性能与使用目标建议步骤的方法相当，但速度要快100-1000倍。与其他单阶段方法相比，SSD具有相似或更好的性能，为训练和推理提供了统一的框架。

01

用FPGA写了个外挂，被暴雪认定是非法第三方程序，怎么破？

链接：https://www.amobbs.com/thread-5695106-1-1.html

04

CLIFF : 结合整帧位置信息的人体姿态和形状估计

基于参数化人体从单张RGB图像重建三维人体姿态与形状，由于图片的深度模糊性，是一个欠约束问题。由于这个问题在 AR/VR 、动作分析等领域的重要性，它引起了很多关注。

02

『人脸识别系列教程』0·MTCNN讲解

背景介绍：人脸检测，解决两个问题：1)识别图片中有没有人脸？2)如果有，人脸在哪？因此，许多人脸应用(人脸识别、面向分析)的基础是人脸检测。大多数人脸检测采用的流程为两阶段： 1) 找出所有可能是人脸的候选区域 2) 从候选区域中选择出最可能是人脸的区域本文的主角MTCNN，大致是这种套路，也集成了其优缺点为：准和慢。 MTCNN人脸检测是2016年的论文提出来的，MTCNN的“MT”是指多任务学习(Multi-Task)，在同一个任务中同时学习”识别人脸“、”边框回归“、”人脸关键点识别“。相比2015年的CVPR(边框调整和识别人脸分开做)的结构，MTCNN是有创新的。从工程实践上，MTCNN是一种检测速度和准确率都还不错的算法，算法的推断流程有一定的启发性，在这里给大家分享。（以下用“MTCNN”代指这个算法）本文以Q&A的方式，与你分享一些经验和思考。先列出本文会回答的问题列表：

02

详解计算机视觉中的特征点检测：Harris / SIFT / SURF / ORB

本文详细论述了四个特征点检测算法：Harris, SIFT，SURF以及ORB的思路步骤以及特点，分析了它们的局限性，并对几个重要问题进行了探讨。

03

OpenCV图像识别在自动化测试中实践

自动化测试使用过程中，发现很多App无法获取到控件、资源ID等内部资源，而目前主要的移动端自动化测试工具基本都是基于获取内部控件元素来进行操作。因此，传统的测试框架和工具无法满足项目组游戏自动化测试的需求。

03

[CVPR 2021]: 多尺度Patch-NetVLAD，大幅度提高VPR性能

NetVLAD制作全局特征时并没有专门考虑更细分的局部特征，场景识别召回率不太高；基于局部特征的场景召回算法仅将局部特征进行聚合并没有考虑更高层次的信息。目前仍然没有一种召回率较好的将局部与全局特征融合的用于VPR的特征。

03

AMC7135_sip soc

任意对象跟踪的问题是通过仅仅在线地学习对象外观的模型来解决，使用视频本身作为唯一的训练数据。尽管这些方法取得了成功，但他们的在线方法本质上限制了他们可以学习的模型的丰富性。需要跟踪的目标是通过起始帧的选择框给出的。框中可能是任意物体，甚至只是物体的某个部分。由于给定跟踪目标的不确定性，我们无法做到提前准备好数据，并且训练出一个具体的（specific）detector。过去几年出现了TLD，Struck和KCF等优秀的算法，但由于上述原因，用于跟踪的模型往往是一个简单模型，通过在线训练，来进行下一帧的更新。

03

ECCV 2020 | PHOSA：一种基于单目图像的人-物重建方法

作者提出了一种能够推断出人类和物体的形状和空间排列的方法，只需要一张在自然环境中捕捉的图像，且不需要任何带有3D监督的数据集。该方法的主要观点是，将人类和物体结合起来考虑，这样会产生“三维常识”，可以用来消除歧义。验证表明，该方法可以极大地减少物体的三维空间，达到更好的效果，作者在含有人类和大型物体的图像上面展示了该方法(如自行车、摩托车和冲浪板)。最后作者分析了该方法在恢复人类和物体之间的空间排列方面的能力，并概述了在这个相对未被探索的领域中仍存在的挑战。

03

全新范式 | Box-Attention同时让2D、3D目标检测、实例分割轻松涨点（求新必看）

对于目标检测、实例分割、图像分类和许多其他当前的计算机视觉挑战，一个带有Multi-Head Self-Attention的Transformer可能是所有任务都需要的。Transformer在自然语言处理中取得成功后，学习远程特征依赖在计算机视觉中也被证明是一种有效的策略。

01

Yolo目标检测算法综述

YOLO9000 使用 YOLOv2 模型，采用联合训练算法训练，拥有9000类的分类信息。

01

经典的图像匹配算法----SIFT

一. SIFT简介 1.1 算法提出的背景：成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘，对环境的适应能力较差，急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。1999年British Columbia大学大卫.劳伊（ David G.Lowe）教授总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－SI

06

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

最先进的目标检测网络依赖于区域建议算法来假设目标位置。SPPnet和Faster R-CNN等技术的进步，降低了检测网络的运行时间，但是暴露了区域提案计算的瓶颈。在这项工作中，我们引入了一个与检测网络共享全图像卷积特性的区域建议网络(RPN)，从而实现了几乎免费的区域建议。RPN是一个完全卷积的网络，它同时预测每个位置的目标边界和目标得分。对RPN进行端到端训练，生成高质量的区域建议，Faster R-CNN对其进行检测。通过共享卷积特性，我们进一步将RPN和Faster R-CNN合并成一个单独的网络——使用最近流行的具有“Attention”机制的神经网络术语，RPN组件告诉统一的网络去哪里看。对于非常深的VGG-16型号，我们的检测系统在GPU上帧率为5帧(包括所有步骤)，同时在PASCAL VOC 2007、2012和MS COCO数据集上实现了最先进的目标检测精度，每张图像只有300个proposal。在ILSVRC和COCO 2015年的比赛中，Faster R-CNN和RPN是在多个赛道上获得第一名的基础。

02

点云深度学习系列三： SPLATNet

（原文：Fast high-dimensional filtering using the permutohedral lattice下述文字参考了https://blog.csdn.net/xuanwu_yan/article/details/7962508）

04

无需训练的框约束Diffusion：ICCV 2023揭秘BoxDiff文本到图像的合成技术

这篇论文的研究背景是图像生成领域中存在的一个难点 - 如何从低质量的图像中恢复高质量的细节信息。这对很多下游应用如监控视频分析等都是非常重要的。现有的图像生成方法通常只关注单一的子任务，比如一个方法仅仅做去噪，另一个方法仅仅做超分辨率。但是实际中低质量的图像往往同时存在多种缺陷，比如既存在噪声，又存在模糊，分辨率也较低。所以仅仅做一种类型的生成是不够的，生成效果会受限。例如，一个只做去噪而不做超分的方法，可以去掉噪声，但是图片分辨率仍然很低，细节无法恢复。反过来，一个只做超分而不去噪的方法，可能会在增强分辨率的同时也放大了噪声，产生新的伪影。另外，现有方法在模型训练过程中，没有很好的约束和反馈来评估生成图像的质量好坏。也就是说，算法并不知道哪些部分的生成效果好，哪些部分效果差，缺乏对整体效果的判断。这就导致了细节品质无法得到很好的保证。所以说，现有单一任务的图像生成方法，很难处理图像中多种类型的缺陷;而且也缺乏对生成质量的约束，难以恢复图像细节。这是现有技术面临的问题与挑战。

04

HandAI开源项目，拉近人和摄影的距离：基于手势识别完成不同的拍摄行为

在12月初，我诞生了这个想法。现在的拍摄效果的转换都是人和机器通过物理接触完成，包括开始拍摄，各种拍摄效果等，几乎都是通过手指来完成。人类具有丰富的表达自我的能力，手势是表达自我的手段之一。无论是哪个地域的文化，一些手势都有其含义。在深度学习时代，我们完全可以用手势代替手指，告诉机器我们想做什么样的事情，想调换什么拍摄模式，因此HandAI诞生了。固然手指在更多的场合还是很方便，但我做这个事情，不想去探讨手势控制的价值以及实用性，我只是单纯想做这个事情。

03

CVPR2024 | HUGS：人体高斯溅射

真实渲染和人体动态是一个重要的研究领域，具有在AR/VR、视觉特效、虚拟试衣、电影制作等众多应用。早期的工作创建人类化身依赖于多相机捕捉设置中的高质量数据捕捉、大量计算和大量手工努力。最近的工作通过使用3D参数化身体模型如SMPL，直接从视频生成3D化身来解决这些问题，这些模型具有高效光栅化和适应未见变形的能力。然而，参数化模型的固定拓扑结构限制了对衣物、复杂发型和其他几何细节的建模。最近的进展探索了使用神经场来建模3D人类化身，通常使用参数化身体模型作为建模变形的模版。神经场在捕捉衣物、配饰和头发等细节方面表现出色，超越了通过纹理和其他属性光栅化参数化模型所能实现的质量。然而，它们也有不足，特别是在训练和渲染效率方面较低。

01

只需1080ti，即可在遥感图像中对目标进行像素级定位！代码数据集已开源！

这篇论文介绍了一项新的任务 —— 指向性遥感图像分割（RRSIS），以及一种新的方法 —— 旋转多尺度交互网络（RMSIN）。RRSIS 旨在根据文本描述实现遥感图像中目标对象的像素级定位。为了解决现有数据集规模和范围的限制，本文构建了一个新的大规模 RRSIS 数据集（RRSIS-D），其中涵盖了多种空间分辨率的图像和具有尺度和角度多样性的分割目标（已公开！）。

01

YOLO 算法最全综述：从 YOLOv1 到 YOLOv5

YOLO系列是基于深度学习的回归方法，本文详细介绍了从YOLOv1至最新YOLOv5五种方法的主要思路、改进策略以及优缺点。

04

YOLO算法最全综述：从YOLOv1到YOLOv5

来源：知乎初识CV 深度学习爱好者https://zhuanlan.zhihu.com/p/136382095本文共8000字，建议阅读15分钟本文为大家介绍了YOLO算法的最全综述。 YOLO官网： https://github.com/pjreddie/darknet YOLO v.s Faster R-CNN 1.统一网络:YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和f

02

YOLO算法最全综述：从YOLOv1到YOLOv5

1.统一网络:YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的"看两眼"(候选框提取与分类),YOLO只需要Look Once.

05

YOLO算法最全综述：从YOLOv1到YOLOv5

来源丨https://zhuanlan.zhihu.com/p/136382095

01

从服装关键点、信息检索、个性化推荐到智能试衣，电商AI技术如何进化？

据介绍，DeepFashion2 Challenge是基于DeepFashion1和DeepFashion2 公开数据集基础上的计算机视觉领域技术竞赛。今年的比赛分为两个赛道，服饰关键点估计及服饰检索（Clothes Retrieval）。

04

深度学习Pytorch检测实战 - Notes - 第5章单阶多层检测器：SSD

SSD（Single Shot Multibox Detecor）算法借鉴了Faster RCNN与YOLO的思想，在一阶网络的基础上使用了固定框进行

06

R-FCN、Mask RCNN、YoLo、SSD、FPN、RetinaNet…你都掌握了吗？一文总结目标识别必备经典模型（二）

机器之心专栏本专栏由机器之心SOTA！模型资源站出品，每周日于机器之心公众号持续更新。本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务，并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA！模型资源站（sota.jiqizhixin.com）即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。本文将分 3 期进行连载，共介绍 17 个在目标检测任务上曾取得 SOTA 的经典模型。第 1 期：R-CNN、SPP-Net、Fast R-CNN、Faster R-C

02

目标检测的福音 | 如果特征融合还用FPN/PAFPN？YOLOX+GFPN融合直接起飞，再涨2个点

目标检测任务是计算机视觉领域中最基本但最具挑战性的研究任务之一。该任务的目标是预测输入图像中每个物体的唯一边界框，该边界框不仅包含物体的位置信息，还包括框内物体的类别信息。近年来，这一任务得到了广泛的发展和应用，例如在自动驾驶和计算机辅助医学诊断等领域。当前主流的目标检测方法大致可以分为两类。一类是基于卷积神经网络（CNN）作为 Backbone 网络的方法，另一类是基于Transformer作为 Backbone 网络的方法。使用CNN作为 Backbone 网络的方法包括两阶段（如Faster R-CNN）方法和单阶段（如SSD和YOLO）方法。由于物体大小的不确定性，单个特征尺度的信息无法满足高精度识别性能的要求。

01

ICCV2023 室内场景自监督单目深度估计

本文方法是一种自监督的单目深度估计框架，名为GasMono，专门设计用于室内场景。本方法通过应用多视图几何的方式解决了室内场景中帧间大旋转和低纹理导致自监督深度估计困难的挑战。GasMono首先利用多视图几何方法获取粗糙的相机姿态，然后通过旋转和平移/尺度优化来进一步优化这些姿态。为了减轻低纹理的影响，该框架将视觉Transformer与迭代式自蒸馏机制相结合。通过在多个数据集上进行实验，展示了GasMono框架在室内自监督单目深度估计方面的最先进性能。

01

011.Zabbix的拓扑创建

Map的作用是将各种设备用网络拓扑图的方式展示，在Zabbix中，拓扑的展示通过手动方式添加。

03

SIFT算法详解

如果你学习SIFI得目的是为了做检索，也许 OpenSSE 更适合你，欢迎使用。

04

清华大学提出DAT | DCN+Swin Transformer会碰撞出怎样的火花？？？

Transformer最初是用来解决自然语言处理任务的。它最近在计算机视觉领域显示出巨大的潜力。先锋工作Vision Transformer(ViT)将多个Transformer块堆叠在一起，以处理非重叠的图像patch(即视觉Token)序列，从而产生了一种无卷积的图像分类模型。与CNN模型相比，基于Transformer的模型具有更大的感受野，擅长于建模长期依赖关系，在大量训练数据和模型参数的情况下取得了优异的性能。然而，视觉识别中的过度关注是一把双刃剑，存在多重弊端。具体来说，每个query patch中参与的key数过多会导致较高的计算成本和较慢的收敛速度，并增加过拟合的风险。

03

Mask-RCNN论文解读

Mask R-CNN是基于Faster R-CNN的基于上演进改良而来，FasterR-CNN并不是为了输入输出之间进行像素对齐的目标而设计的，为了弥补这个不足，我们提出了一个简洁非量化的层，名叫RoIAlign，RoIAlign可以保留大致的空间位置，除了这个改进之外，RoIAlign还有一个重大的影响：那就是它能够相对提高10%到50%的掩码精确度（Mask Accuracy），这种改进可以在更严格的定位度量指标下得到更好的度量结果。第二，我们发现分割掩码和类别预测很重要：为此，我们为每个类别分别预测了一个二元掩码。基于以上的改进，我们最后的模型Mask R-CNN的表现超过了之前所有COCO实例分割任务的单个模型，本模型可以在GPU的框架上以200ms的速度运行，在COCO的8-GPU机器上训练需要1到2天的时间。

05

FoveaBox：目标检测新纪元，无Anchor时代来临 | 技术头条

目标检测的任务是“分类”并从图像中“定位”出物体，但长久以来，该领域的工作大多是这样：生成可能包含目标的区域，然后在该区域提取特征并分类。

01

基于内容的图像检索技术综述-传统经典方法

今天我们来介绍一下图片检索技术，图片检索就是拿一张待识别图片，去从海量的图片库中找到和待识别图片最相近的图片。这种操作在以前依靠图片名搜图的时代是难以想象的，直到出现了CBIR(Content-based image retrieval)技术，依靠图片的内容去搜图。比较常见的图搜平台有百度、谷歌、拍立淘等，有些图搜技术已经能达到非常不错的效果。接下来我们做个测试，给出一个柯基宝宝的图片，分别用三家搜索引擎进行搜索：

03

FoveaBox：目标检测新纪元，无Anchor时代来临！

目标检测的任务是“分类”并从图像中“定位”出物体，但长久以来，该领域的工作大多是这样：生成可能包含目标的区域，然后在该区域提取特征并分类。

03

OpenCV学习笔记（Python）

警告：就算图像的路径是错的， OpenCV 也不会提醒你的，但是当你使用命令print img时得到的结果是None。

03

两阶段目标检测指南：R-CNN、FPN、Mask R-CNN

计算机视觉中最基本和最广泛研究的挑战之一是目标检测。该任务旨在在给定图像中绘制多个对象边界框，这在包括自动驾驶在内的许多领域非常重要。通常，这些目标检测算法可以分为两类：单阶段模型和多阶段模型。在这篇文章中，我们将通过回顾该领域一些最重要的论文，深入探讨用于对象检测的多阶段管道的关键见解。

03

Integrated Recognition, Localization and Detection using Convolutional Networks

ICLR2014 OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks ILSVRC2013 winner

02

【技术综述】视频分类/行为识别研究综述，从数据集到方法

视频分类/行为识别是计算机视觉领域中非常有挑战性的课题，因为其不仅仅要分析目标体的空间信息，还要分析时间维度上的信息，如何更好的提取出空间-时间特征是问题的关键。本文总结了该领域的技术进展和相关数据集，技术进展从传统特征法到深度学习中的3DCNN，LSTM，Two-Stream等。

04

ELAN：用于图像超分辨率的高效远程注意力网络

最近，基于Transformer的方法已经证明了令人印象深刻的效果，在各种视觉任务中，包括图像超分辨率（SR），利用自我注意（SA）的特征提取。然而，在大多数现有的基于Transformer的模型中，SA的计算是非常昂贵的，而一些所采用的操作对于SR任务来说可能是冗余的。这限制了SA计算的范围并且因此限制了SR的性能。

01

全面解析可变形卷积家族（Deformable Convolutional Networks v1+ v2）

在计算机视觉领域，同一物体在不同场景，角度中未知的几何变换是检测/识别的一大挑战，通常来说我们有两种做法:

02

trick—Data Augmentation

海康威视经验数据增强对最后的识别性能和泛化能力都有着非常重要的作用。我们使用下面这些数据增强方法。第一，对颜色的数据增强，包括色彩的饱和度、亮度和对比度等方面，主要从Facebook

06

Mask-RCNN论文解读

Mask R-CNN是基于Faster R-CNN的基于上演进改良而来，FasterR-CNN并不是为了输入输出之间进行像素对齐的目标而设计的，为了弥补这个不足，我们提出了一个简洁非量化的层，名叫RoIAlign。

08

苹果、俄勒冈州立提出AutoFocusFormer: 摆脱传统栅格，采用自适应下采样的图像分割

传统 RGB 图像以栅格（raster）形式储存，像素点的分布在整个图像上均匀统一。然而，这种均匀分布往往与图像实际内容的密度分布相去甚远。尤其是在现今常用的深度网络中，在编码部分经过频繁的下采样（downsampling）后，小物体占据的点极少，而大物体占据的点很多。如下图中，背景中繁忙的人群只剩下极少量的点表示，而画面下方大量的点被信息量极低的地面占用。如果从存储的特征个数和算力的角度来考虑这个图像识别的过程，那么可以想见地面特征被大量的存储，大部分的算力被用来计算这些地面。而真正关键的人群，由于点少，分到的特征就少，用于计算的算力也就很少。

02

MolFlow: 高效3D分子生成方法

今天为大家介绍的是来自查尔姆斯理工大学的Simon Olsson团队的一篇论文。最近，3D药物设计的生成模型因其在蛋白质口袋中直接设计配体的潜力而获得了广泛关注。然而，目前的方法通常存在采样时间非常慢或生成分子的化学有效性差的问题。为了解决这些限制，作者提出了Semla，一个可扩展的E(3)-等变消息传递架构。作者进一步介绍了一个分子生成模型MolFlow，该模型使用流匹配和尺度最优传输进行训练，这是等变最优传输的一种新扩展。作者的模型在基准数据集上仅需100个采样步骤就能产生最先进的结果。关键是，MolFlow在不牺牲性能下只需20个步骤就能采样出高质量分子，相比于现有技术实现了两个数量级的速度提升。最后，作者比较了MolFlow与当前方法在生成高质量样本方面的能力，进一步展示了其强大性能。

01

人脸检测发展：从VJ到深度学习（上）

本文分上下两篇，上篇主要介绍人脸检测的基本流程，以及传统的VJ人脸检测器及其改进，下篇介绍基于深度网络的检测器，以及对目前人脸检测技术发展的思考与讨论。为了让本文更适合非计算机视觉和机器学习背景的读者，文中对所涉及到的专业术语尽量以通俗的语言和用举例的方式来进行解释，同时力求严谨，以体现实事求是和一丝不苟的科学研究精神。这是一个看脸的世界！自拍，我们要艺术美颜；出门，我么要靓丽美妆。上班，我们要刷脸签到；回家，我们要看脸相亲。当手机把你的脸变得美若天仙，当考勤机认出你的脸对你表示欢迎，你知道是什么

07

长文干货！走近人脸检测：从 VJ 到深度学习（上）

本文分上下两篇，上篇主要介绍人脸检测的基本流程，以及传统的VJ人脸检测器及其改进，下篇介绍基于深度网络的检测器，以及对目前人脸检测技术发展的思考与讨论。为了节省篇幅，文中略去了对具体参考文献等的引用，读者可以通过相关的关键词去搜索对应的论文。为了让本文更适合非计算机视觉和机器学习背景的读者，文中对所涉及到的专业术语尽量以通俗的语言和用举例的方式来进行解释，同时力求严谨，以体现实事求是和一丝不苟的科学研究精神。不过疏忽和遗漏在所难免，有不当的地方还请各位读者多多包涵，并联系笔者进行修正。愿君阅读愉快！这是

06

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭