LLM Weekly（2025.12.15-12.21）

最新推荐文章于 2026-06-13 15:27:36 发布
原创 最新推荐文章于 2026-06-13 15:27:36 发布 · 76 阅读 · 0
文章标签：

#计算机视觉 #人工智能 #语言模型

在这里插入图片描述

网络资讯速递

  • 全新ChatGPT图像功能正式上线。OpenAI推出由其最强文本生成图像模型GPT-Image-1.5驱动的ChatGPT图像功能，该功能已向所有ChatGPT用户及API调用用户开放。这款模型指令遵循精度更高，在图像编辑过程中能精准保留光影、构图与人物肖像特征，优化了密集文本渲染效果和小尺寸人脸画质，图像生成速度提升高达4倍。新增的图像侧边栏功能，提供预设风格模板、热门提示词以及可重复使用的肖像上传功能。

  • 谷歌发布Gemini 3 Flash，并将其设为Gemini应用默认模型。谷歌推出Gemini 3 Flash模型，将其部署为Gemini应用及AI搜索模式的默认模型。该模型性能超越Gemini 2.5 Flash，在多项基准测试中与前沿模型性能持平，在MMMU-Pro基准测试中更是以81.2%的成绩位居榜首。谷歌通过Vertex AI、Gemini企业版及开放API的形式提供该模型服务，定价为每百万令牌0.50-3.00美元，主打高效多模态能力，面向企业级批量处理场景。

  • OpenAI发布GPT-5.2-Codex模型。OpenAI推出先进智能体编程模型GPT-5.2-Codex，该模型针对长周期软件工程开发与防御性网络安全任务进

了解本专栏 订阅专栏 解锁全文 超级会员免费看
LLM Weekly（2025.09.15-09.21）
c_cpp_csharp的专栏
09-23 791
他们研发的“AgentFounder-30B”模型在十项基准测试中表现突出，例如在BrowseComp英文测试集（BrowseComp-en）中得分为39.9%，在BrowseComp中文测试集（BrowseComp-zh）中得分为43.3%，在HLE测试集的“一次通过率”（Pass@1）中得分为31.5%，同时在复杂问题解决中仍保持强大的工具使用能力。根据合作协议，英特尔将为英伟达的人工智能平台设计定制化中央处理器，并为搭载英伟达图形处理器（GPU）芯粒的个人电脑开发x86系统级芯片（SOCs）。
LLM Weekly（2025.04.21-04.27）
c_cpp_csharp的专栏
05-08 467
Claude Code 是一个用于智能体编码的命令行工具，通过提供底层的、可定制的模型访问，增强了编码工作流程。尽管 ChatGPT 和 Meta AI 分别拥有 6 亿和 5 亿用户，超过了 Gemini，但谷歌的整合努力扩大了 Gemini 的用户范围。该模型支持多种风格、精确的编辑操作，并且能够将图像进行组合，同时利用其广泛的世界知识和一致的文本渲染能力。这个基于 while 循环构建的简单架构，突显了利用最近在为函数调用和工具使用而训练的大语言模型方面的进展，实现了智能体人工智能开发的简化。
51c深度学习~合集8
whaosoft~aiotの开发板商城
11-22 2781
方法的完整数学描述略显复杂，如果只是想了解主要思想，可以只看上面 PatchMix的流程图即可（其实只是公式多，每个公式也不复杂，后续有机会做个演示动画，帮助大家理解。这个方法也可以用简单的 Mask 方法实现，但是本方法在大规模图像处理上效率是最高的），对该工作感兴趣的同行可以看一下，我尽量写得清楚一些。结合 PatMix 的流程图，主要过程如下：由于混合图像和混合图像之间，重叠比例的不同，mix-to-mix label 中每一项的权重分数是不同的，根据上图，可以得到权重系数可以表示为。
计算机视觉vc 3D 希尔伯特曲线 基础介绍，人工智能
论文数据分析辅导,；论文人工智能辅导 huazhongxiaosx
06-09 304
3D希尔伯特曲线是一种空间填充曲线，可将一维序列与三维空间坐标无损互转。核心特性包括空间填充、局部保序、分形自相似和双向可逆。对于RGB色彩空间（256×256×256立方体），采用8阶3D希尔伯特曲线可实现一维索引与RGB颜色的平滑映射。相比普通遍历，其优势在于相邻索引对应的颜色视觉相近，适用于色彩排序、数据可视化等场景。实现时需注意固定8阶、位运算优化和一一对应关系。该技术为三维数据降维/升维提供了高效解决方案。
AI 边缘部署：MCU 上的轻量级目标检测，从 YOLO 到 TFLite Micro 的全链路优化
qq_42431428的博客
06-11 270
MCU 上的目标检测不是把云端模型缩小那么简单，而是从模型架构、量化策略到推理引擎的全链路优化。FOMO 和 MobileNet-SSDLite 是当前 MCU 检测的主流选择，配合 INT8 全量化可将模型压缩到 60-400KB，RAM 峰值控制在 200KB-1.5MB。工程落地的关键决策：模型选型先确定 MCU 的 RAM/Flash 预算，再倒推输入分辨率和架构；量化优先尝试 PTQ，精度不足时再投入 QAT 的训练成本；
目标检测-根据YOLO格式标签统计目标尺寸分布
张飞飞的博客
06-11 237
那么要按照 COCO 的标准统计目标尺寸，必须结合对应图像的实际分辨率计算目标面积。代码只需要修改label_dir和image_dir即可。
智慧林业航拍图像数据集 | 树木目标检测、病虫害识别、AI林业监测数据集10282
2403_88545703的博客
06-11 219
智慧林业航拍图像数据集 | 树木目标检测、病虫害识别、AI林业监测数据集10282期
利用YOLOv8在COCO128数据集上的目标检测
ZHW-鲜橙大AI课题组的博客
06-09 386
COCO128包含多种常见生活目标，例如person、bicycle、car、motorcycle、airplane、bus、train、truck、cat、dog、bowl、pizza、zebra、giraffe等。实验中，模型在128张图片和929个目标实例上进行评估，Precision约为0.752，Recall约为0.421，mAP50约为0.538，mAP50-95约为0.379。YOLO系列模型属于目标检测算法，其核心思想是将整张图像输入模型后，直接预测图像中的目标类别、目标位置和置信度。
YOLO26 完整学习笔记：从 Anchor-Free、TAL、STAL 到端到端无 NMS 部署
qq_39697468的博客
06-08 454
YOLO26 是 Ultralytics 推出的新一代统一实时视觉模型，在 YOLO11 基础上针对端到端部署进行了全面优化。其核心改进包括：采用双头结构（O2M/O2O）实现兼容传统与无 NMS 推理，移除 DFL 实现直接边界框回归，引入 STAL 标签分配策略提升小目标检测，以及 Progressive Loss 和 MuSGD 优化器等协同设计。默认支持 300 个预测框的端到端输出，无需后处理 NMS，同时保持多任务扩展能力。相比前代，YOLO26 通过整套系统级创新实现了精度与部署效率的平衡，是
往来港澳通行证识别系统，深度融合计算机视觉与自然语言处理，为“智慧口岸”和“数字政务”提供了强有力的技术支撑
智能图像识别
06-10 218
摘要：粤港澳大湾区深度融合背景下，AI赋能的往来港澳通行证识别系统成为提升跨境效率的关键技术。该系统基于计算机视觉与自然语言处理，通过图像预处理、多模态特征融合和智能语义理解，实现多语言混排证件99%以上的识别准确率，并输出结构化数据。具备毫秒级响应、隐私加密等特点，已广泛应用于口岸通关、金融开户、酒店入住等场景，显著提升服务效率，推动"智慧口岸"和"数字政务"建设。
MOT16数据集做目标检测的预处理(类别合并与清理)
人工智能
06-10 264
下面代码把1/2/7合并为1类，把3作为2类，把4/5合并为3类，其他的全部不要，生成new_gt.txt。10. Occluder on the ground（地面遮挡物）6. Non motorized vehicle（非机动车）1. Pedestrian（行人）——主要目标，要跟踪。2. Person on vehicle（车上的人）11. Occluder full（完全遮挡）7. Static person（静止的人）8. Distractor（干扰物）9. Occluder（遮挡物）
计算机视觉求职通关宝典：CV_interviews_Q-A项目深度解析与面试备战全攻略
wulechun的博客
06-12 212
是一份极具价值的计算机视觉求职指南，但它不是“作弊条”，而是“地图”。它指明了方向，但路需要你自己走。在备战过程中，保持对技术的敬畏之心，不仅要知其然，更要知其所以然。建议求职者在刷题的同时，保持对最新顶会论文（CVPR, ICCV, ECCV）的关注，因为面试题库往往滞后于前沿研究。通过将该项目的基础知识与最新的学术动态相结合，你将构建起无懈可击的竞争力，在计算机视觉的求职浪潮中立于不败之地。祝各位开发者面试顺利，Offer拿到手软！
【计算机视觉】OpenCV 模板匹配银行卡数字识别---上
m0_66822255的博客
06-11 520
本文基于 OpenCV + Python ，实现银行卡卡号数字提取、模板数字匹配功能，面向编程、计算机视觉零基础学习者。日常生活中银行卡卡号由固定字体、固定大小的数字组成，我们先准备一张标准数字模板图（0~9 十个数字依次排列），通过 OpenCV 图像处理技术：读取数字模板图片；对图片做灰度、二值化预处理，让数字和背景区分更明显；检测图片中每一个数字的轮廓；对轮廓从左到右排序，保证数字顺序不乱；逐个截取 0~9 单个数字，保存为模板，供后续识别真实银行卡图片使用。
基于深度学习的医疗机构执业许可证识别技术通过智能图像处理、目标检测和语义理解，实现关键信息的高精度提取与结构化转换
智能图像识别
06-11 305
摘要：基于深度学习的医疗机构执业许可证识别技术通过智能图像处理、目标检测和语义理解，实现关键信息的高精度提取与结构化转换，识别准确率超98%。该技术具备抗干扰、实时响应和持续优化能力，已广泛应用于医疗审核、医保认证、供应链管理等场景，显著提升效率并降低人工错误。作为医疗数字化转型的核心工具，它推动行业从电子化迈向智能化，为智慧医疗生态建设提供关键技术支撑。（149字）
mllm训练过程中有效地利用辅助监督信号来减少幻觉的方法
m0_60827485的博客
06-12 316
摘要： 减少多模态大模型（MLLM）幻觉的关键在于引入精细化辅助监督信号，包括视觉定位监督（如物体框、属性标签）、负样本训练（显式标注不存在内容）、偏好学习（区分低/高幻觉回答）、细粒度片段标注（标记错误词）、专用模型蒸馏（检测/分割/OCR）以及对比学习（增强图文一致性）。通过多任务联合优化（如生成损失+定位损失+对比损失），模型能更严格绑定文本与视觉依据，抑制虚构对象、错误属性和推理错误。RLHF-V等研究表明，仅需千级标注数据即可显著降低幻觉率，尤其在医疗、工业等高风险场景中，细粒度监督效果更优。
作者有话说|关于目标检测
quanzhankaifaqua的博客
06-11 212
详细介绍了YOLO目标检测框架的技术细节与实现方法，包括数据增强与数据处理方法（第4章），YOLOv1至YOLOv11框架的技术演进（第5、6章），以及RetinaNet的基本原理与网络架构，焦点损失函数（Focal Loss）的实现，多维度注意力机制、弱化非极大值抑制算法与自适应学习率策略等新技术（第7章），涵盖YOLO目标检测技术的各个方面。本书以YOLO目标检测框架为核心，全面解析目标检测的基础理论、技术演进与应用实践，旨在帮助读者深入理解目标检测的核心技术，并掌握YOLO框架的开发与实现方法。
3D点云目标检测(PointPillars)部署pipeline
m0_60827485的博客
06-10 481
本文介绍了一个面向KITTI 3D目标检测的PointPillars部署工程。该工程支持从PyTorch checkpoint拆分导出ONNX模型，并提供ONNXRuntime/MNN推理、结果诊断、BEV/相机图可视化与输出对齐等功能。文章详细说明了项目架构、关键配置参数、环境部署要求以及模型准备流程，包括如何从checkpoint导出拆分ONNX模型并进行简化优化。同时提供了PyTorch参考推理脚本用于验证模型正确性。该工程采用模块化设计，将PointPillars模型拆分为多个可部署组件，并配套可视
计算机视觉-自动驾驶
最新发布
Edward2022的博客
06-13 223
自动驾驶
NVIDIA CV-CUDA：GPU 全流程加速计算机视觉，pip 一键安装替代 OpenCV，微软/腾讯/百度/字节全在用，云级图像处理吞吐量飙升 10 倍
guopeiAI
06-10 721
NVIDIA CV-CUDA 是一个由 NVIDIA 与字节跳动联合开发的 GPU 加速计算机视觉库，旨在通过全流程 GPU 处理显著提升计算机视觉任务的效率。该库支持图像解码、预处理、数据增强等操作完全在 GPU 上执行，避免了传统 CPU-GPU 数据传输带来的性能瓶颈。通过零拷贝技术和批处理优化，CV-CUDA 可将吞吐量提升 10 倍以上，延迟降低 90%，同时释放 CPU 资源。它支持 Python 和 C++ API，兼容主流 AI 框架，并已应用于微软 Bing、腾讯云、百度等产品中。用户可通
OpenCV入门
qq_41490873的博客
06-12 66
【代码】OpenCV入门。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值