PaddleOCR-VL-1.5 接上一篇 OCR实践——PaddleOCR-VL OCR的新范式 这篇继续PaddleOCR-VL-1.5，与PaddleOCR-VL 进行一下对比学习，基本框架和流程没有大的改变，不会太详细展开，对一些新的技术改进，进行重点学习；还没了解过PaddleOCR-VL，可以找上面文章过一下。 PaddleOCR-VL-1.5在保持0.9B参数规模的同时，将 OmniDocBench v1.5 的分数提升至94.5，并引入了不规则形状定位、印章识别、文本检测识别一体化等新能力，同时针对…

一直有在关注OCR这个任务，很多项目都会尝试用PaddleOCR去做。2025-10-16百度发布PaddleOCR-VL ，距今也有一段时间了，榜单成绩和实测效果都挺不错，2026-01-29又发布了PaddleOCR-VL-1.5，今天先来了解学习PaddleOCR新范式的开篇之作。 很多团队都在尝试结合大模型的范式来继续提升OCR任务的上限，各家的技术路数区别还是较大的。 DeepSeek 发布OCR模型， DeepSeek-OCR V1（2025-10-20） V2（2026-1-28）；里面的概念好像更高…

paper: https://openaccess.thecvf.com/content/CVPR2023/papers/Zhang_3D_Registration_With_Maximal_Cliques_CVPR_2023_paper.pdf CVPR2023最佳学生论文，读过后，感觉效果不错，来尝试简单复现一下！！！ 【有问题，欢迎留言、进群讨论或私聊，群：392784757】 环境配置 复现环境：windows + cmake 3.27 + vs2019 论文代码：https://github.com/zh…

DSConv 是ICCV2023 提出的一种受变形卷积启发提出的融合拓扑控制的卷积，其主要针对血管类似的细长形态目标的分割，具体内容可以去阅读论文：https://arxiv.org/abs/2307.08388 所以如果你的项目中有类似血管这种细长形态的目标，可以尝试一下蛇形卷积 代码链接 ：https://github.com/YaoleiQi/DSCNet 主要文件就是 DSConv.py，首先测试了经过DSConv的维度前后变化， from models.DSConv_dev import My_DSCon…

个人理解： 使用 集成 多个学生网络 来预测 经过在其他数据集预训练的老师网络，通过这种所谓的 预测不确定性 ，各学生网络 针对同一张图片【图片中的各个patch p(r,c)】 老师的输出作为 回归目标；此时 学生网络的预测不确定性和回归的误差 就作为了异常分数； 进一步，为了得到一个 能够输出 discriminative embeddings 的老师网络，作者使用了 两种方法来实现这一效果： 蒸馏一个效率低但性能强大的 分类网络 知识，这里面涉及到的一个损失 L_k 自监督 metric learning t…

Abstract mask rcnn 是在 Faster r-cnn 基础上增加了一个 mask预测分支，因此被命名 检测速度大概 在 5fps mask rcnn 也适用于其他任务，如人体姿态估计 Introduction 视觉社区在很短的时间内，对目标检测和语义分割的结果进行了迅速改进。 在很大程度上，这些进步是由强大的 baseline system 驱动的，例如，Fast/Faster R-CNN 和 FCN 分别用于物体检测和语义分割。这些方法在概念上是直观的，并提供了灵活性和稳健性，同时还有快速的训练和…