javpower

文章/答案/技术大牛

发布

LV0

发表了文章 20天前2026-07-29 20:21:30

同一套视觉特征，单目标能跟多目标为什么会失忆？DINOv3 / DINOv2 首帧 mask 视频传播完整测试

给视频第一帧的目标掩码，后面所有帧都不再给标注。一套冻结视觉模型能把目标跟到最后吗？这次没有接入专门训练的视频分割网络，也没有根据验证集标签调阈值。我们把 ...

javpower 20天前2026-07-29 20:21:30

mask、测试、对象、模型、视频

发表了文章 21天前2026-07-28 12:04:46

NVIDIA开源LocateAnything-3B深度解读，比Qwen3-VL快10倍，最强3B视觉定位大模型来了，真的“找对”了吗？

在固定的官方模型、数据快照、推理与评分实现下，LocateAnything-3B 在 RefCOCOg validation 的 4,889 条指代表达上取得8...

javpower 21天前2026-07-28 12:04:46

模型、数据、开源、nvidia、脚本

发表了文章 22天前2026-07-27 14:44:32

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

不再只问「模型能不能检出」，而是问：在最新训练栈上，默认配方到底长什么样、贵不贵、准不准。底座选定两套当下最热的检测训练框架——

javpower 22天前2026-07-27 14:44:32

优化、测试、框架、模型、数据

发表了文章 22天前2026-07-27 14:25:50

开放词汇 0%，1 张标注也能翻盘？

前面测过：YOLO-World / OWL-v2 在自然场景 100% 命中，在裸金属条上 0%。读者最常问的下一句是——

javpower 22天前2026-07-27 14:25:50

配置、设计、异常、测试、模型

发表了文章 22天前2026-07-27 14:21:38

定位之后，怎么判缺陷？PatchCore 在金属条上的无监督异常检测

25 正常训练 · 42 测试 · WRN50-2 · RTX 5060 Ti · 2026.07

javpower 22天前2026-07-27 14:21:38

压缩、异常、测试、配置、数据

发表了文章 25天前2026-07-24 11:39:06

开放词汇能做工业质检吗？YOLO-World / OWL-v2 在金属件与真实场景上的对照

3 模型 · 9 张图 · RTX 5060 Ti · conf≥0.10 · 2026.07

javpower 25天前2026-07-24 11:39:07

yolo、模型、数据、metal、owl

发表了文章 26天前2026-07-23 19:00:40

bytedeco 进阶：PointerScope 作用域释放，别再漏 close

栈 javacpp 1.5.13 · OpenCV 4.13 阅读 ~22 min

javpower 26天前2026-07-23 19:00:40

指针、作用域、scope、对象、工具

发表了文章 26天前2026-07-23 19:00:20

SenseNova-Vision 工业场景实测全记录，检测、分割、深度、法线、开放理解——能跑的任务全跑了一遍

统一视觉模型最近很火。论文漂亮、榜单好看、Demo 惊艳——但工业现场的图，它到底行不行？我们没有用官方精美样例，而是把自己的金属工件、产线双目图，加上从网...

javpower 26天前2026-07-23 19:00:20

数据、协议、部署、测试、模型

发表了文章 28天前2026-07-21 16:02:40

从深度到点云DUSt3R 双视图三维重建消费卡实测

224-linear vs 512-linear · 6 对真实图 · RTX 5060 Ti 16GB · 2026.07

javpower 28天前2026-07-21 16:02:40

可视化、模型、配置、数据、代理

发表了文章 28天前2026-07-21 08:45:31

视觉几何 · 从匹配到深度Depth Anything V2 在消费级显卡上的真实测评

Base vs Large · 6 对真实图 · RTX 5060 Ti 16GB · long-edge 768 · 2026.07

javpower 28天前2026-07-21 08:45:31

视频、数据、代理、模型、排序

发表了文章 28天前2026-07-21 08:43:57

256M 参数的文档解析模型，表格结构、代码块、公式、图表数据的结构化标签序列

SmolDocling 是 IBM Docling 团队发布的超轻量多模态文档解析模型,参数量仅 256M, 基于 HuggingFace 的 Idefics3...

javpower 28天前2026-07-21 08:43:57

表格、论文、模型、数据、图表

发表了文章 2026-07-172026-07-17 20:22:53

把大模型LLM、VLM 转成 ONNX：并用 Java 从零实现一个生产级推理引擎

2.3k 行 Java 代码 · 真 1.7B 模型端到端跑通附完整架构图、KV Cache 机制解析、SmolVLM 图片理解实测

javpower 2026-07-172026-07-17 20:22:54

测试、模型、性能、LLM、java

发表了文章 2026-07-162026-07-16 20:20:09

UFM vs RoMa v2 稠密匹配实战，让算法告诉我——每一个像素跑到哪去了

UniFlowMatch vs RoMa v2 · RTX 5060 Ti · FP32 · 2026.07

javpower 2026-07-162026-07-16 20:20:10

算法、字符串、架构、模型、数据

发表了文章 2026-07-162026-07-16 20:16:44

BiRefNet vs SAM2自动抠图 vs 点一下分割，谁才是抠图之王？

做电商、做设计、做内容，谁都逃不开"把主体抠出来"这件事。这两年大家都在用 SAM2（SAM3 很强但太重了不做比较），但真到了头发丝、毛发、商品批量抠图，总感...

javpower 2026-07-162026-07-16 20:16:45

效率、电商、测试、模型、设计

发表了文章 2026-07-142026-07-14 19:30:28

LoMa-R: 旋转不变的局部特征匹配器从原理到 ONNX 部署全实战

在工业视觉检测中，模板匹配是最基础也最关键的任务。给定一张模板图和一张检测图，找到它们之间的对应关系，从而精确定位零件。

javpower 2026-07-142026-07-14 19:30:28

跨平台、原理、部署、测试、架构

发表了文章 2026-07-132026-07-13 20:05:57

用商汤大模型做物体检测？实测 SenseNova-SI 全流程

传统物体检测（YOLO、Faster R-CNN）虽然精确，但需要大量标注数据训练。而最近大火的视觉语言模型（VLM）让我想到一个思路：

javpower 2026-07-132026-07-13 20:05:57

开源、翻译、量化、模型、优化

发表了文章 2026-07-072026-07-07 15:31:12

RoMa v2稠密匹配·低纹理物体的亚像素坐标映射

RoMa v2 · CVPR 2025 稠密特征匹配 · 亚像素级坐标映射 · 2026.07

javpower 2026-07-072026-07-07 15:31:12

测试、模型、数据、性能、部署

发表了文章 2026-07-062026-07-06 11:55:04

Java距离变换/骨架提取/宽度测量

在工业视觉检测中，测量弯曲物体（绳索、金属条、软管）的宽度是常见需求。medial_axis 是 scikit-image 的核心算法——从二值图像中提取物体的...

javpower 2026-07-062026-07-06 11:55:05

配置、算法、java、函数、排序

发表了文章 2026-06-252026-06-25 12:20:26

22M 小模型搞定 Tool 路由一份蒸馏训练方案从架构到部署

最开始我让 GPT-4o / Qwen 直接判断 "该调哪些 tool"，效果不差，但生产上有三个硬伤：

javpower 2026-06-252026-06-25 12:20:27

部署、架构、路由、模型、数据

发表了文章 2026-06-252026-06-25 12:20:15

复现一篇顶刊的模板匹配，顺带优化精度并搬到 Java 上

最近在做一个和模板匹配相关的需求，翻到一篇发表在 Expert Systems with Applications 上的工作，叫 PoseMatch-TDCM。...

javpower 2026-06-252026-06-25 12:20:15

java、工作、模型、搜索、优化

12 3 4 5 6 下一页

个人简介

暂未填写公司和职称
这个人很懒，还没有介绍
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2019-01-09

个人成就

获得 144 次赞同
文章被阅读 87.6K 次

关注了：2关注者：32

javpower

同一套视觉特征，单目标能跟多目标为什么会失忆？DINOv3 / DINOv2 首帧 mask 视频传播完整测试

NVIDIA开源LocateAnything-3B深度解读，比Qwen3-VL快10倍，最强3B视觉定位大模型来了，真的“找对”了吗？

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

开放词汇 0%，1 张标注也能翻盘？

定位之后，怎么判缺陷？PatchCore 在金属条上的无监督异常检测

开放词汇能做工业质检吗？YOLO-World / OWL-v2 在金属件与真实场景上的对照

bytedeco 进阶：PointerScope 作用域释放，别再漏 close

SenseNova-Vision 工业场景实测全记录，检测、分割、深度、法线、开放理解——能跑的任务全跑了一遍

从深度到点云DUSt3R 双视图三维重建消费卡实测

视觉几何 · 从匹配到深度Depth Anything V2 在消费级显卡上的真实测评

256M 参数的文档解析模型，表格结构、代码块、公式、图表数据的结构化标签序列

把大模型LLM、VLM 转成 ONNX：并用 Java 从零实现一个生产级推理引擎

UFM vs RoMa v2 稠密匹配实战，让算法告诉我——每一个像素跑到哪去了

BiRefNet vs SAM2自动抠图 vs 点一下分割，谁才是抠图之王？

LoMa-R: 旋转不变的局部特征匹配器从原理到 ONNX 部署全实战

用商汤大模型做物体检测？实测 SenseNova-SI 全流程

RoMa v2稠密匹配·低纹理物体的亚像素坐标映射

Java距离变换/骨架提取/宽度测量

22M 小模型搞定 Tool 路由一份蒸馏训练方案从架构到部署

复现一篇顶刊的模板匹配，顺带优化精度并搬到 Java 上

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

javpower

同一套视觉特征，单目标能跟 多目标为什么会失忆？DINOv3 / DINOv2 首帧 mask 视频传播完整测试

NVIDIA开源LocateAnything-3B深度解读，比Qwen3-VL快10倍，最强3B视觉定位大模型来了，真的“找对”了吗？

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

开放词汇 0%，1 张标注也能翻盘？

定位之后，怎么判缺陷？PatchCore 在金属条上的无监督异常检测

开放词汇能做工业质检吗？YOLO-World / OWL-v2 在金属件与真实场景上的对照

bytedeco 进阶：PointerScope 作用域释放，别再漏 close

SenseNova-Vision 工业场景实测全记录 ，检测、分割、深度、法线、开放理解——能跑的任务全跑了一遍

从深度到点云DUSt3R 双视图三维重建消费卡实测

视觉几何 · 从匹配到深度Depth Anything V2 在消费级显卡上的真实测评

256M 参数的文档解析模型，表格结构、 代码块、公式、图表数据的结构化标签序列

把大模型LLM、VLM 转成 ONNX：并用 Java 从零实现一个生产级推理引擎

UFM vs RoMa v2 稠密匹配实战，让算法告诉我——每一个像素跑到哪去了

BiRefNet vs SAM2自动抠图 vs 点一下分割，谁才是抠图之王？

LoMa-R: 旋转不变的局部特征匹配器 从原理到 ONNX 部署全实战

用商汤大模型做物体检测？ 实测 SenseNova-SI 全流程

RoMa v2稠密匹配·低纹理物体的亚像素坐标映射

Java距离变换/骨架提取/宽度测量

22M 小模型搞定 Tool 路由一份蒸馏训练方案从架构到部署

复现一篇顶刊的模板匹配，顺带优化精度并搬到 Java 上

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

同一套视觉特征，单目标能跟多目标为什么会失忆？DINOv3 / DINOv2 首帧 mask 视频传播完整测试

SenseNova-Vision 工业场景实测全记录，检测、分割、深度、法线、开放理解——能跑的任务全跑了一遍

256M 参数的文档解析模型，表格结构、代码块、公式、图表数据的结构化标签序列

LoMa-R: 旋转不变的局部特征匹配器从原理到 ONNX 部署全实战

用商汤大模型做物体检测？实测 SenseNova-SI 全流程