#computer-vision

Someone Built a 4K Camera With a Raspberry Pi 5

A DIY camera built around a Raspberry Pi 5 features a custom enclosure, interchangeable lenses, open-source software, and 4K support.

A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis

Trong nghiên cứu so sánh khả năng chẩn đoán ung thư da, GPT-6 Astra và Claude Fable 5.1 cho độ chính xác thấp hơn mong đợi. So sánh này được thực hiện bởi một bác sĩ da liễu với mô hình CNN 10 năm tuổi. Kết quả bất ngờ khi mô hình CNN cũ lại vượt trội hơn các LLM tiên tiến hiện nay. Phát hiện này cho thấy rằng trong lĩnh vực y tế đặc thù, các mô hình chuyên dụng có thể hiệu quả hơn các LLM tổng quát. Bài viết nhắc nhở chúng ta rằng sự tiến bộ công nghệ không đồng đều và giá trị thực tế của mô hình AI phụ thuộc vào domain cụ thể.

Một mô hình CNN 10 năm tuổi vượt trội hơn các mô hình ngôn ngữ lớn tiên tiến trong chẩn đoán ung thư da, bất chấp kỳ vọng ban đầu.

Someone turned their monitor into a laser pointer firing range game using Claude Code

Bối cảnh là một lập trình viên đã biến màn hình thành trò chơi bắn súng bằng laser sử dụng Claude Code. Nguyên nhân kỹ thuật là việc sử dụng API của Claude Code để theo dõi vị trí con trỏ và ánh sáng laser trên màn hình. Hệ quả là tạo ra một trò chơi tương tác độc đáo với độ trễ thấp, tương tự như light gun game nhưng sử dụng công nghệ laser hiện đại. Điều đáng học là việc ứng dụng API của Claude Code vào các dự án sáng tạo, như cách lập trình viên này đã kết hợp công nghệ nhận diện ánh sáng với giao diện đồ họa để tạo trải nghiệm chơi game mới.

Bài này cho bạn cách biến màn hình thành trò bắn laser tương tác bằng Claude Code.

How to Turn a RECIST Line into a 3D Tumor Segmentation Mask

Bài viết giải quyết vấn đề chuyển đổi RECIST line (đo thẳng) thành 3D tumor segmentation mask (khối u 3D) trong y học hình ảnh. Phương pháp sử dụng deep learning model như UNet để dự đoán hình dạng 3D từ các đo thẳng trên CT scan. Kết quả cho độ chính xác lên đến 89% khi so sánh với manual segmentation. Điều đáng học là kỹ thuật này giảm 70% thời gian làm việc so với phương pháp thủ công truyền thống.

Bài này giúp lập trình viên chuyển đổi RECIST line thành 3D tumor segmentation mask một cách hiệu quả.

The Reconstruction of Torn Documents

The Reconstruction of Torn Documents

ESD eBook Nov/Dec 2026, How to Make Embedded Computer Vision Work in the Real World, Connected Products: Embedded Week Insights

This week’s roundup covers edge computing, embedded computer vision, connected products, designing medical devices, and more.

Aetina Unveils Rugged Edge AI System for Heavy-Duty Vehicles

Aetina announces mass production of the DeviceEdge AIE-VX28/18-IP edge AI platform designed for heavy-duty vehicles.

What Is Camera Calibration? Intrinsics, Extrinsics and the Photos That Make or Break It

What Is Camera Calibration? Intrinsics, Extrinsics and the Photos That Make or Break It Computer Visio & AI From the pinhole model to OpenCV code you can run, a hand-eye calibration for robot cells …

Pangram’s new models spot AI fakes in images and video, it says

AI text detection startup Pangram launched Image 1.0 and Image Flash 1.0 to spot AI images and video. It says they beat rivals, but its tests are its own.

How to Make Embedded Computer Vision Work in the Real World

What it takes to turn an embedded computer vision demo into a device that makes reliable decisions, shown through four real edge AI projects.

Stringman, an $800 open-source room scale gripper robot

Stringman, a home robot from Neufangled Robotics, uses clip-on fiducial tags to mark locations like a laundry bin, toy box, or trash can. The robot maps these tags visually instead of requiring you to label every item of clutter. You can also mark items as off-limits so it doesn't pick them up. Its trained networks associate labels like 'toybox' with the tag itself, so you can use it to mark anything even if it doesn't look like the training set's toyboxes. The tags also work as arbitrary pickup and drop-off points for ferry tasks, such as moving items between two robot arms or carrying laundry to a folding station.

From 2D Drawings to 3D Models: Designing an AI Reconstruction Pipeline on MongoDB

Learn how BIRD turns five 2D building drawings into a dimensioned 3D model and how MongoDB Atlas can orchestrate an AI reconstruction pipeline.

Cities Worldwide Build and Scale AI Services With NVIDIA Physical and Agentic AI

From infrastructure planning and transportation to public services, cities are using NVIDIA-powered applications to address local needs and expand capacity for the broader AI ecosystem.

Build a Real-Time Video Analytics Pipeline with YOLO26 and ByteTrack

Build a real-time video analytics pipeline with YOLO26 and ByteTrack multi-object tracking for people counting and vehicle counting on macOS.

FireFighterGCS: what is it and how does it work?

FireFighterGCS: what is it and how does it work? It all starts with computer vision. What is computer vision? Computer vision is a subfield of AI that allows machines to process, interpret and …

Making VGGT See More: Adding Rotated Views for Better 3D Reconstruction

Making VGGT See More: Adding Rotated Views for Better 3D Reconstruction VGGT (Visual Geometry Grounded Transformer) [1] has made 3D reconstruction substantially more accessible by predicting camera …

OCR in the Browser: PP-OCRv6 vs Tesseract on Real Phone Photos

OCR in the Browser: PP-OCRv6 vs Tesseract on Real Phone Photos Tesseract got 46% of characters wrong on a phone photo of a worksheet. PaddleOCR’s PP-OCRv6 got 2.1%, running client-side with …

ML Is Changing Farming in Africa (and the World Doesn’t Know It)

ML Is Changing Farming in Africa (and the World Doesn’t Know It) This is the fifth and final post in the series about machine learning. If you missed the earlier ones, they cover what ML actually …

Addressing Domain Shift When Moving From Testing Beads to Organic Emulsions

Addressing Domain Shift When Moving From Testing Beads to Organic Emulsions In my last post, Turning a Raw Vision Model into a Usable Pipeline, I walked through how I built our multi-stage computer …

Spiral Fovea: A New Way of Looking at an Image

Spiral Fovea: A New Way of Looking at an Image Let’s say there is a bird sitting on a tree branch and you are looking at this scenery from afar. You are tasked with identifying the species of the …

Using Local AI to build a Visual Inspection Assistant POC

Using Local AI to build a Visual Inspection Assistant POC TL;DR A client recently approached me with an interesting challenge. They wanted another layer of verification in their manufacturing quality …

Solink raises over $100M to turn security cameras into business data

Ottawa's Solink has raised more than $100M led by Vertu Capital to expand AI that turns shops' existing security cameras into data on theft and service.

Robot Picks Up Othello

A builder made a robot that physically plays Othello using an XYZ motion system similar to a 3D printer. A vacuum head on the Z-axis picks up and places clear tokens on the board. Instead of mechanically flipping captured pieces, the tokens light up in one of two colors, so capturing a piece is just an LED color change. The same LEDs flash a different color to show legal moves. A camera lets a Raspberry Pi see the board, and the build uses laser-cut parts plus 3D printed PLA and TPU components.

VitVio brings its 3D operating room AI to a hospital in Mexico

London startup VitVio is installing its Vetro AI system in every operating room at Hospital Español de Veracruz, its first deal in Latin America.

Competing in RoboCup@Home and winning the 2026 best paper award: an interview with Raphael Memmesheimer

A team from the University of Bonn won the best paper award at RoboCup 2026 for a method that semi-automatically labels objects robots must recognize during competitions. The approach segments objects, then uses reference images to semi-automatically label them, automatically labeling around 60% of the data. This matters because teams get only two preparation days to teach robots up to 50 unfamiliar objects per competition. The team, NimbRo led by Raphael Memmesheimer, placed 3rd in this year's World Cup in Korea but performed best in the new 'Doing Laundry' task, where its robot opened a washing machine, pulled out t-shirts by feel, and folded them.

SIMD-accelerated Machine Vision On An ESP32-S3

A developer implemented the FAST corner detection algorithm on an ESP32-S3 using its SIMD instruction set. The ESP32-S3 uses a Xtensa Lx7-based twin-core MCU, and the project required writing assembly instructions for its SIMD ISA. The ISA lacked unsigned byte comparisons and misaligned reads, requiring workarounds. Running at 240 MHz, the chip processed a VGA stream in real-time at 30 FPS, about 2x faster than a non-SIMD implementation. The PlatformIO project is available on GitHub.

Someone set up Claude Code to scan the night sky for meteors and log them

Một lập trình viên đã sử dụng Claude Code để tự động quét bầu trời đêm và ghi lại các meteor. Hệ thống này tận dụng API của Claude Code để phân tích hình ảnh và phát hiện các hiện tượng thiên văn. Phương pháp này giúp giảm thiểu thời gian giám sát thủ công bằng máy tính. Giải pháp áp dụng xử lý hình ảnh và AI để nhận diện meteor với độ chính xác cao. Đây là ví dụ thú vị về cách ứng dụng AI trong quan sát thiên văn và tự động hóa công việc.

Bài này cho bạn thấy cách ứng dụng AI trong thiên văn học một cách thú vị, vượt xa công việc lập trình hàng ngày.

GHARP: Real-Time Gaussian Head Animation from Large-Scale Reconstruction Prior

We present GHARP (Real-time Gaussian Head Animation from Large-scale Reconstruction Prior), a method that animates 3D human heads in real…

SIMD-accelerated computer vision on a $2 microcontroller

An accelerated FAST feature detector for the ESP32-S3 leveraging 128-bit SIMD instructions, achieving ~2x the performance of the reference implementation.

I Built a Stereo Vision Board for Hardware Hackers

Tác giả phát triển một board stereo vision sử dụng Rockchip microprocessor để phục vụ cộng đồng hardware hackers. Board này tích hợp hai camera stereo với khả năng xử hình ảnh thực-time thông qua Rockchip RK3566. Thiết kế này giải quyết bài toán toán học phức tạp trong xử lý thị giác máy tính mà không cần đến máy tính mạnh. Dự án cho thấy vi điều khiển hiện đại đủ sức xử lý các tác vụ AI thị giác không cần đến GPU. Đây là minh chứng cho xu hướng tích hợp thị giác máy tính vào các thiết bị nhúng với chi phí hợp lý.

Bài viết này cung cấp hướng dẫn chi tiết để bạn tự xây dựng một bo hình ảnh stereo dành cho hacker phần cứng, mở ra cơ hội khám phá thị giác máy tính ở mức độ vật lý.

Building AI on Azure: Foundry, RAG, Vision & Speech

Bối cảnh bài viết tập trung vào việc xây dựng ứng dụng AI thực tế trên nền tảng Azure AI Services. Nguyên nhân kỹ thuật là sự kết hợp giữa công nghệ Foundry, RAG, xử lý tài liệu, vision và speech recognition để tạo ra giải pháp toàn diện. Hệ quả là người dùng có thể phát triển các ứng dụng kinh doanh mạnh mẽ với khả năng xử lý đa dạng từ văn bản, hình ảnh đến giọng nói. Điều đáng học là cách Azure tích hợp các thành phần AI như RAG và Foundry để tối ưu hiệu suất ứng dụng. Bài viết cung cấp kiến thức thực tế về việc triển khai các công cụ AI cụ thể trên nền tảng đám mây của Microsoft.

Tìm hiểu cách kết hợp các dịch vụ AI Azure như Foundry, RAG, xử lý tài liệu, thị giác và âm thanh để xây dựng ứng dụng kinh doanh thực tế hiệu quả.

XbotGo’s AI sports tracking is a game changer for athletes and coaches

Bối cảnh: XbotGo giới thiệu giải pháp AI sports tracking sử dụng camera AI XbotGo kết hợp với công nghệ PoseNet để theo dõi chuyển động vận động viên. Nguyên nhân kỹ thuật: Hệ thống xử lý video 4K với thuật toán Computer Vision nhận diện 33 điểm khớp xương trên cơ thể người với độ trễ thấp dưới 100ms. Hệ quả: Vận động viên và huấn luyện viên có thể phân tích chi tiết kỹ thuật cử động, đo tốc độ động tác, và so sánh hiệu suất theo thời gian thực. Điều đáng học: Giải pháp này chứng minh ứng dụng thực tế của Computer Vision trong thể thao, giúp cải thiện hiệu suất và giảm chấn thương thông qua phân tích dữ liệu chuyển động chính xác.

XbotGo's AI sports tracking giúp vận động viên và huấn luyện viên phân tích hiệu suất thi đấu chính xác hơn để cải thiện thành tích.

I gave my 3D printer a Docker-based spotter, and I stopped wasting filament on failures

Tác giả đã giải quyết vấn đề lãng phí filament trên máy in 3D bằng cách triển khai hệ thống giám sát sử dụng Docker. Hệ thống này phân tích dữ liệu từ webcam và các cảm biến để phát hiện dấu hiệu thất bại in ấn, như warp hay layer shift. Khi phát hiện vấn đề, hệ thống tự động tạm dừng in để ngăn lãng phí filament. Giải pháp cho thấy hiệu quả thực tế khi tác giả không còn gặp phải tình trạng lãng phí vật liệu kể từ khi áp dụng. Đây là minh chứng cho việc tích hợp AI và containerization trong giải quyết các vấn đề cụ thể trong sản xuất, với chi phí đầu tư thấp nhưng hiệu quả cao.

Tìm hiểu cách tự động dừng máy in 3D khi phát hiện lỗi giúp bạn tiết kiệm vật liệu và tối ưu quy trình in.

A person hidden in a crowd is almost never invisible

Mô hình SAM 2 gặp vấn đề khi theo dõi đối tượng trong đám đông do việc lưu hai khung hình (frame) kém chất lượng. Nguyên nhân kỹ thuật nằm ở cơ chế memory của SAM 2 khi chọn frame không đủ tốt để duy trì tracking. Hệ quả là tracker dễ bị mất dấu đối tượng khi chuyển động phức tạp trong môi trường đông người. Điều đáng học là việc cải thiện lựa chọn frame và kết hợp các kỹ thuật tracking khác như Re-ID để tăng độ chính xác.

Bài viết này giúp lập trình viên hiểu rõ hơn về cách theo dõi đối tượng trong đám đông qua những phân tích thực tế về SAM 2.

Building An M7 Pan Tilt Head Controller

Một người đam mê chế tạo bộ điều khiển cho cụm máy quay M7 Pan Tilt Head Soonpho sử dụng ESP32-S3 và module không dây NRF24L01. Thiết bị này cho phép điều khiển chính xác vị trí pan/tilt, chuyển động vector mượt mà và kích hoạt từ xa cửa trập. Người tạo kết hợp với mô hình nhận diện YOLO trên laptop để xây dựng hệ thống máy quay tự động theo dõi máy bay bay ngang qua. Dự án hoàn toàn mã nguồn mở và có thể tìm thấy trên Codeberg.

Bài này cung cấp hướng dẫn chi tiết để xây dựng bộ điều khiển M7 Pan Tilt tự động theo dõi máy bay với công nghệESP32 và YOLO.

A London startup is putting AI cameras into Polish operating theatres

VitVio is deploying its Vetro camera system at a Gdańsk teaching hospital. The AI Act rules that would classify such systems arrive in December 2027.

Mosqitter is turning its mosquito traps into an AI-powered surveillance network

Mosqitter đang chuyển đổi thiết bị bẫy muỗi thành hệ thống giám sát AI có khả năng nhận diện loài và theo dõi số lượng quần thể. Công ty sử dụng camera và thuật toán machine learning để phân biệt các loài muỗi khác nhau như Aedes aegypti và Anopheles, với độ chính xác lên đến 95%. Hệ thống này cho phép giám sát diện rộng và cảnh báo sớm nguy cơ bùng phát bệnh truyền nhiễm như sốt xuất huyết hoặc sốt vàng da. Giải pháp này giúp cơ quan y tế đưa ra quyết định dựa trên dữ liệu thực tế, giảm thiểu chi phí phòng dịch và tối ưu hóa nguồn lực.

Bài viết này giúp lập trình viên hiểu cách tích hợp AI vào thiết bị IoT để giám sát môi trường và dự báo dịch bệnh.

European Cities Deploy NVIDIA-Powered AI Agents to Run Smarter Urban Operations

Các thành phố châu Âu đang triển khai các AI agents được cung cấp bởi NVIDIA để vận hành đô thị thông minh hơn. Các đối tác phần mềm, hạ tầng và tích hợp địa phương sử dụng NVIDIA accelerated computing và các models để xây dựng các ứng dụng agentic nhằm cải thiện hoạt động thành phố và dịch vụ công. Các giải pháp này giúp tối ưu hóa quản lý giao thông, kiểm soát an ninh công cộng và phân tích dữ liệu đô thị quy mô lớn. Công nghệ NVIDIA, bao gồm các GPU và frameworks như NVIDIA AI Enterprise, cho phép xử lý dữ liệu thời gian thực với độ trễ thấp. Điều này giúp các thành phố tiết kiệm chi phí vận hành đồng thời nâng cao trải nghiệm người dân thông qua các dịch vụ công hiệu quả hơn.

Bài viết này giúp lập trình viên hiểu cách NVIDIA đang thúc đẩy phát triển các tác nhân AI thông minh cho các thành phố châu Âu.

The Hexa-Bouncer May Be The Most Overengineered Thing You See This Week

A hobbyist built the Hexa-Bouncer, an elaborate Stewart-platform-style robot using six stepper motors, planetary gearboxes, a Teensy 4.0, two cameras, and a PC with a GPU to bounce a ping-pong ball via real-time inverse kinematics computed in a Unity application. The build required over 300 machined aluminum parts, with 27 pieces per arm alone. The ball-tracking computer vision pipeline was carried over from the creator's earlier octo-bounce robot project. Source files are available on GitHub, and a full writeup lives on the creator's blog alongside a demo video.

The Lightbulb Computer: Reimagining Spatial & Ambient Computing with Projectors

Bối cảnh của Projectors hướng tới tương lai computing không gian và ambient computing, biến thông tin thành phần ảo tăng cường thế giới thực. Nguyên nhân kỹ thuật là sự kết hợp giữa projector và computer vision trong thiết bị có hình dạng bóng đèn lớn, giải quyết hạn chế của màn hình truyền thống. Hệ quả là khả năng tương tác trực tiếp với không gian vật lý, tạo ra trải nghiệm computing tự nhiên hơn. Điều đáng học là cách tiếp cận này thay đổi paradigm từ computing trên màn hình sang computing trong môi trường sống, mở ra tiềm năng mới cho AR/VR.

Bài này cung cấp góc nhìn đột phá về tương lai tính toán không gian và máy tính môi trường qua thiết bị đèn chiếu thông minh tích hợp máy tính thị giác.