《投资者网》丁琬璎 今年以来，人形机器人概念在证券交易市场上走红，奥比中光科技集团股份有限公司（以下简称“奥比中光”，688322.SH）作为视觉环节的主要上市公司之一也受到关注
OFweek维科别邀请国内专业3D机器视觉软硬件企业—图漾科技销售副总裁 王坦先生接受采访，由他为我们介绍来自图漾科技在3D机器视觉领域的深度服务经验与市场布局。
本篇文章是致力于眼睛和改善视力恢复的系列文章的一部分，作者William A. Haseltine是一名科学家、商人、作家和慈善家，同时也是ACCESS Health International的创始人，这是一家致力于提供医疗健康创新解决方案的非营利性组织
从机器视觉赛道频获关注，到机器人行业实现逆势猛增，3D视觉赛道热度不减。2023年9月6日，备受瞩目的第24届中国国际光电博览会在深圳开幕，记者在光博会看到，3D机器视觉技术依旧是展会热点，无论在工业场景、消费场景，还是医疗、元宇宙等领域，都带来了更卓越的应用体验
文｜姚悦，编｜王一粟 “没有艺术，全是物理！物理让你快乐，不是吗？” 近日，在世界计算机图形会议 SIGGRAPH 2023 上，英伟达创始人、CEO 黄仁勋宣布，
康耐视公司（纳斯达克：CGNX）宣布推出Advantage 182视觉系统，其经过专门设计，可使复杂的定位、分类和检测任务实现自动化。这款一体化视觉系统内置先进的机器视觉、代码读取和边缘学习技术，可自动执行多样的任务。
企业成长能力是随市场环境的变化，企业资产规模、盈利能力、市场占有率持续增长的能力，反映了企业未来的发展前途。本文为企业价值系列之【成长能力】篇，共选取120家机器视觉企业作为研究样本，并以营收复合增长、扣非净利复合增长、经营净现金流复合增长等为评价指标
面部表情是人类之间交流的重要方式。 在AI研究中，深度学习技术已成为增强人机交互的强大工具。心理学中面部表情和情绪的分析和评估涉及评估预测个人或群体情绪的决定。 本研究旨在开发一种可使用卷积神经网络（CNN）算法和特征提取技术预测和分类面部情绪的系统
前言： 机器视觉是AI的感知工具，五感中视觉获取的信息占比超过 80%，因此机器视觉将作为人工智能的底层工具而被反复调用。 今年机器视觉企业大规模新增
第一次通过Tensorflow对象检测API了解对象检测。它很容易使用。传入了一张海滩的图片，作为回报，API在它识别的对象上绘制了方框。这似乎很神奇。 很好奇，想剖析API，了解它到底是如何在幕后工作的
有个著名咨询公司曾经预测过：未来只有两种公司，有人工智能的和不赚钱的。 它可能没想到，还有第三种不赚钱的AI公司。 去年我们报道过“正在消失的机器视觉公司&
企业盈利能力是指企业获取利润的能力，通常表现为一定时期内企业收益数额的多少及其水平的高低。盈利能力的分析，就是对公司利润率的深层次分析。本文为企业价值系列之【盈利能力】篇，共选取89家机器视觉企业作为研究样本
OpenCV 是一个开源的计算机视觉库，大范围的应用于计算机视觉和机器学习领域。它提供了广泛的图像和视频处理工具，包括特征检测、图像识别和对象跟踪。 在本文中，我们将了解怎么样去使用 OpenCV 执行各种任务，重点是怎么样去使用它来应用机器学习
计算机视觉是人工智能的一个领域，专注于教计算机解释和理解视觉世界。它涉及使用算法、深度学习模型和其他技术使机器能够识别图像或视频中的对象。计算机视觉可用在所有任务，如面部识别、目标检测、图像分割、运动估计和跟踪等
最近了解了一个令人难以置信的工具，叫做Voxel51的FiftyOne，无法推荐它足够用于你的工作或研究。在文中，将解释怎么样去使用该工具进行图像分类。介绍FiftyOne是一个开源工具，为数据集标记和计算机视觉模型分析提供了强大的图形界面
随着深度学习和人工智能的发展，如今的机器视觉系统更高效、可及斑马技术大中华区首席技术官 程宁一年一度的“双十一”购物节已于上月落下帷幕。据招商证券多个方面数据显示，今年“双十一”全网电商交易额达11507亿元，同比增长13．43％，呈现出较强的消费韧性
“一落千丈”能够说是近期视觉中国（000681．SZ）股价的真实写照。据悉，在最近的三个交易日里，视觉中国股价累计下跌将近22％。而此公司在上周的市值才惊人的拉升41％。造成如此跌宕起伏的重要原因是一个名为“AIGC”的概念
介绍如果你曾经想构建一个用于文本识别的图像分类器，我假设你可能已从 TensorFlow 的官方示例中实现了经典的手写数字识别应用程序 。该程序通常被称为计算机视觉的“Hello World”，它是 ML 初学者构建分类器应用程序的一个很好的起点
知情郎·眼｜侃透公司专利事儿今天聊聊苹果的新专利。看看苹果的工程师最近忙着解决哪些技术难点问题，尤其在AI领域，有啥新进展。最近苹果日子过的不大顺当，新产品iPhone?14因为郑州富士康疫情也延迟交货了
近两年，号称“AI四小龙”的机器视觉公司商汤、旷视、云从、依图，长期资金市场表现和裁员等传闻，可能让大众觉得，机器视觉不是一门好生意，这样的领域也没什么戏了。情况显然不是这样的。一方面，计算机视觉（简称CV
知情郎·眼｜侃透公司专利事儿今天聊声纹识别。即如何鉴伪声音。顾名思义，即通过声音来识别出来“谁在说话”，是根据语音信号中的说话人个性信息来识别说话人身份的一项生物特征识别技术。微信也有类似声纹解锁功能
排球比赛的阶段用AI分析排球比赛有多种方法。我过去常常跟踪球，以便将比赛时间从整个视频中分离出来。另一种方法是确定游戏阶段，并根据阶段流程做出决策。让我们假设排球比赛包括4个阶段：· 没有开始。没有人或少数人在场上徘徊
文：郑开车＠谈擎说AI主编前不久，特斯拉AIAI和 Autopilot 视觉总监Andrej Karpathy突然宣布辞职。要知道，Karpathy是马斯克从OpenAI 挖角到的技术大牛，在特斯
介绍在本文中，我们将使用［计算机视觉技术开发一个应用程序，该应用程序将反转视频，并且我们将能够将反转的视频保存在我们的本地系统中。在此应用程序中，我们还可以更改其质量，例如 360／720p。因此，让我们第一步了解构建这个应用程序需要做什么
你想创建一个应用程序来检测一些东西吗？猫和狗，检测水果的成熟程度，在图片中找到品牌？如果你的答案是需要，那么这篇文章就是为你准备的！将向你展示如何为你的探测器创建一个应用程序，并把它放到网络上，让每一个人都能看到
本文来源：智车科技／ 导读 ／环境感知是无人驾驶的第一环，是车辆和环境交互的纽带。一个无人驾驶系统整体表现的好坏，很大程度上都取决于感知系统的好坏。目前，环境感知技术有两大主流技术路线：①以视觉为主导
“自闭症成人的感知神经连接可能是“嘈杂的”（noisy）或低效的。”作者：Claire编辑：tuya出品：财经涂鸦（ID：caijingtuya）对大部分健康的人来说，识别人脸上表达的情绪很容易。微笑可能意味着幸福，而皱眉可能意味着愤怒，但自闭症患者在完成这项任务时有很大的困难
嬴彻科技在其车规级中央计算平台中采用安霸边缘AI 芯片2022年6月22日,美国加利福尼亚州圣克拉拉市,Ambarella (下称“安霸”,纳斯达克股票 代码: AMBA,专注于AI视觉感知芯片的半导体公司)
介绍在本文中，我们将研究能够将图像更改为水彩艺术形式的应用程序，我们将仅使用计算机视觉操作，即不涉及任何机器学习技术，仅涉及精细的图像处理技术。计算机视觉的现实应用因此，在讨论该方法并跳转到代码部分之前，让我们第一步讨论一下该项目中使用的技术如何在实际场景中提供帮助
介绍人脸识别不同于人脸检测。在人脸检测中，我们只检测了人脸的位置，在人脸识别任务中，我们识别了人的身份。在本文中，我们将在人脸识别库的帮助下，使用python构建一个人脸识别系统。市场上有许多用于人脸识别的算法
20世纪40年代，“声纹”概念首次在Bell实验室被提出。1966年，美国法院采用“声纹”进行取证后，声纹技术开始在司法场景应用。伴随声纹技术在金融行业使用的标准颁布，声纹技术落地应用迎来了开篇。声纹识别又称“说话人识别”，与语音识别同属于语音前端信号处理环节
知情郎·眼｜侃透天下专利事儿今年的谷歌开发者大会（Google I／O 2022）上有什么新玩意、硬科技？谷歌翻译、谷歌多重AI搜索、保护性计算、Android 13、谷歌硬件。在2小时的主题演讲上，谷歌梳理了自己现有AI计算的进度，并演示了关键技术应用
丸红株式会社（以下简称“丸红”）与京瓷株式会社（以下简称“京瓷”）就通过图像识别型“智能无人收银系统”（以下简称“本系统”），实现用于超市图像结算服务的应用化进行实验，签订了基本协议书。今年夏天将首先在神奈川县的超市店铺进行实验
计算机视觉，无疑是目前AI行业最具商业化价值的赛道。多个方面数据显示，2020年，国内有35％的AI企业聚集计算机视觉领域，市场规模在所有领域中占比达57％，排名第一。 在国内，计算机视觉技术基本已经覆盖农林牧渔、生产制造、城市交通、安防、出行、零售，几乎所有的人类生活生产领域
前言：几年前，因为商汤、旷视、云从、依图占据了计算机视觉赛道50％以上的市场占有率，被人们称之为“计算机视觉四小龙”。“四小龙”也因此锁定了人们更多的关注，成为计算机视觉赛道常常见诸报端的企业案例。然而
1969年，美国贝尔实验室诞生了第一片CCD图像传感器，工业视觉行业从此搭界数码图像，在这样的领域漫长的发展历史中，黑白过渡到彩色、分辨率由低到高、静态升级动态……图像与视觉的结合，逐渐渗透到现实到各个领域
掌纹识别是一个新兴的生物特征识别技术，凭借其相对于人脸和指纹等其他生物特征的优势，迅速得到了广泛的关注。掌纹相比指纹有着丰富的纹理和更广的特征空间，因此能实现更高的识别率和更大的用户基数；而且与人脸
简介本文不是关于模型的质量。它甚至不涉及扩展、负载平衡和其他DevOp。它是关于一个更普遍但有时会遗漏的事情：处理不可预测的用户输入。在训练模型时，数据科学家几乎总是有一个受控的数据环境。这在某种程度上预示着使用已经准备好的数据集，或者有时间和资源手动收集、合并、清理和检查数据
