视觉

YOLO 模型作为目标检测的一座高峰不必多说，ultralytics 能很简便地用一个函数启用模型训练。但如果有更高的自定义需求，这种一键训练的方式就不够用了。

Florence2 是微软于 2024 年 6 月推出的专用于视觉任务的小体积语言模型，适用于目标检测、对象分割、提取文字等图片模态任务。

DCT 在图像视频音频压缩领域用得比 FFT 更多。由于其能量更集中的特性，适合拿来裁剪不重要的信息。 本文主要通过 DFT 到 DCT 的推导加深对 DCT 的理解。

总览 对 YOLO 的具体运作原理仍然不甚理解，来读下 ultralytics 库的代码吧。调试 YOLO v12 的推理，以及训练。

模仿 Stable Diffusion 3 实现的 diffusion 模型，使用 MNIST 数据集进行训练。

久闻 StableDiffusion 的大名。现在到第三代了，应当和最开始的 Diffusion 有很大的差别。这次解读会是艰巨的任务。

借助 Python 库 denoising-diffusion-pytorch，通过调试与阅读源码来探究 diffusion（DDPM）模型。

介绍SurfaceBlur与双边滤波，包含一段 Python 处理示例代码。 使用SurfaceBlur得到的图片，像是油画一般被划分为多个色块。