AITOP
精选
过去 24 小时，从 841 条中筛出 52 条
全部模型产品行业论文技巧
标签：计算机视觉×
6月18日
02:45
6月11日
15:28
15:23
15:07
6月6日
20:51
20:51IT之家（博客/媒体）
精选
OpenCV 团队正式发布 OpenCV 5，这是该计算机视觉库的重大现代化升级。新版本引入了基于图的 DNN 引擎，支持算子融合、广泛的 ONNX 算子（覆盖率从 23% 提升至 80%），并原生支持 Transformer、VLM 和 LLM 等大模型。此外，OpenCV 5 改进了 Python 集成、硬件加速层、3D 视觉功能，并弃用了传统 C API，使代码更紧凑。该库在 GitHub 拥有超 86,000 星，日安装量超百万次，此次更新旨在巩固其作为计算机视觉基础库的地位。
AI产品OpenCV计算机视觉DNN引擎ONNX大模型
推荐理由：做计算机视觉、机器人或 AI 应用开发的团队，OpenCV 5 的 DNN 引擎和 ONNX 支持能直接提升模型部署效率，值得立即升级体验。
原文
6月4日
11:35
11:35arXiv cs.LG@Gandhimathi Padmanaban, Fred Feng
精选
该研究提出一个开源的两阶段计算机视觉流水线，用于从自然道路视频中细粒度分类车辆类型（轿车、SUV、皮卡、小型货车、大型货车、商用卡车），以评估自行车事故中骑车人受伤严重程度。第一阶段使用预训练的RT-DETR检测器进行粗略车辆定位，第二阶段使用微调的Vision Transformer（ViT-Base/16）进行六类车身类型分类。引入基于置信度的弃权机制（softmax输出低于0.60时输出“未知”标签），避免静默误分类。在密歇根州安阿伯市自行车道走廊的3805个超车事件（分布内）上，流水线准确率达0.94，各类F1分数在0.91（小型货车）到0.97（SUV）之间。在独立的外部数据集（311个事件，无再训练）上，准确率为0.89，其中三个常见类别F1仍保持在0.90以上，小型货车因弃权率从2.4%升至25.0%导致F1降至0.72，但未出现主动误分类。完整流水线（含推理脚本、训练代码、评估工具和模型权重）已开源，支持道路视频档案和骑行安全研究的复现与复用。
论文计算机视觉细粒度分类Vision TransformerRT-DETR交通安全
推荐理由：做交通安全分析或自动驾驶细粒度感知的团队，可以直接用这个开源流水线替代粗粒度检测，它用弃权机制解决了域迁移下的误分类问题，值得在真实道路视频上试试。
原文
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？