Song_Song
Song_Song
**Describe** Model I am using kosmos-2: Will you updata the code of GRIT construction process? I'd like to finetune kosmos-2 in App UI scene, but the detail of GRIT construction...
Easy DIP
### 你是否已经阅读并同意《Datawhale社区贡献协议》？ - [X] 我已阅读并同意[《Datawhale社区贡献协议》](https://github.com/datawhalechina/DOPMC/blob/main/CONTRIBUTING.md) ### 项目简介 项目内容依托冈萨雷斯版《数字图像处理》第四版本内容，希望做一个以python+opencv为基础的实践教程，为书中示例补充完整系统的代码示例及难点解析，降低这本经典书籍的学习门槛。 ### 立项理由 冈萨雷斯版《数字图像处理》作为CV领域的经典书籍，不亚于西瓜书在机器学习领域的地位。然而长达700+页的内容，加上大量的数学公式，且所有的示例都未提供代码，而是仅提供了数学公式，让很多cv学习者望而却步。经过对周围人的调研加上自己的体验，学习门槛成为大家想读而又不敢去读的主要原因。 作为一个cv炼丹er，在经过对自己的深刻反省之后，决定系统吃下这本书。而配套的工具书只有matlab版的，就是那本《数字图像处理(matlab)》，但是cv从业者属实用matlab的不多，很遗憾，本人也很久不用了。而网上基于python+opencv的示例实现鱼龙混杂不系统不成体系，于是就萌生了“自己动手，丰衣足食”的想法，希望将自己在学习过程中的理解、所实现的示例、所推导的数学难点，总结成一套内容完整且成体系的python+opencv版实践教程，降低这本经典书籍的学习门槛。 ### 项目受众 1. 希望从事计算机视觉相关工作的小白（入门、打基础） 2. 想要回炉重造巩固基础的在职cv炼丹er（本人） 3. 其他想要学习传统图像算法的同学 ### 项目亮点 1. 本项目依托冈萨雷斯版《数字图像处理》，定位偏实践，与其纯理论内容相辅相成，为书中所有示例配套给出基于python+opencv的实践代码+代码详解，适当为部分知识点提供补充示例+代码，为书中难点给出补充解析。与单纯学习原书相比，学习门槛更低，通过实践学习，体验更加直观。 2. 相比于网上鱼龙混杂、零零碎碎的代码实现，本项目内容完整且成体系 3. 相比于已有配套实践书籍《数字图像处理(matlab)》，本项目基于python，受众更广，且内容会更全面。 ### 项目规划...
想要在个人数据集上进行微调，但个人数据集存在输入图像大(文字多，太小的话丢失特征无法识别)且无法reisze到小尺寸去识别的情况，请问Qwen-VL有没有可能在大尺寸图像数据（如1920*1080）上微调？