瑕疵检测代码-matlab 基于ELM的裂缝检测 基于MATLAB的裂纹检测的MATLAB实现。 先决条件 在4GB GTX960M上训练15-16小时后获得了结果。 该代码已通过Matlab2016b进行了测试。 Crack.m：将原始图片确定为小块。 spare_elm_autoencoder.m：用于ELM的备用自动编码器。 数据集 方法 通过滑动窗和随机旋转将收集的混凝土裂缝图像进行分割和扩展 稀疏的自动编码特征提取网络可以快速学习裂缝的特征。 接下来，使用在线顺序极限学习机来识别裂纹缺陷的特征 结果

Python中的实用自主项目 车道检测 交通标志识别 I.加载带有标签的完整数据集 二。 将图像大小转换为32x32 三， 建立卷积神经网络 IV。 训练模型 五，使用网站上的图片进行测试 样本图片 图片尺寸为32x32（RGB） 图片尺寸为32x32（HSV） 样品输出 标签 ＃ 标签名 softmax概率 14 停 0.998944 33 向右转 0.000532 29 自行车穿越 0.000311 34 向左转 0.000118 36 直走或右走 0.000095

译文 TLD：Forward-Backward Error Automatic Detection of Tracking Failures 翻译 水平有限，仅供误导。（交流贴，欢迎站内信指正。）

瑕疵检测代码-matlab 缺陷检测 Matlab代码用于基于Extreme Edge的缺陷检测，如以下文章所示：Zouhir Wakaf，Hamid A.Jalab（2016）。 基于缺陷区域直方图极端边缘的缺陷检测。 沙特国王大学学报-计算机与信息科学。 DOI：10.1016 / j.jksuci.2016.11.001

matlab代码仿真 Reduced-Complexity-Message-Passing-Detection [] 说明 关于MIMO MPD 算法的Matlab仿真代码 以及改进的算法 代码。

Java碰撞检测和物理引擎 100％Java 2D碰撞检测和物理引擎。 设计快速，稳定，可扩展且易于使用。 dyn4j可免费用于商业和非商业应用。 该项目由主要项目和此处管理的测试以及另外两个项目组成： 集合，以帮助入门 一个非平凡的桌面应用程序，允许用户构建场景，运行，保存和加载场景-所有这些都是以dyn4j作为模拟引擎构建的。 要求 Java 1.6以上 入门 dyn4j具有许多功能和可扩展性，但是入门很容易。 如果您想快速入门，请观看以下视频。 步骤1：将dyn4j添加到您的项目 通过从或GitHub软件包中添加Maven依赖项，将dyn4j添加到您的类路径中 < dependency> < groupId>org.dyn4j < artifactId>dyn4j < version>4.1.4

FaceLogin：使用OpenCV和Qt实现人脸（刷脸）登录

Google语言检测工具（language-detection），版本号：03-03-2014. 该版本优化了短文本（10-20 char）的识别，支持47种语言。

时间序列异常检测 使用正态分布检测时间序列数据中的异常值的异常检测概念的证明。 这依赖于具有正态分布的数据，并使用概率来估计离群值。 用于统计分析的算法为和。

更新 日期 更新 2021-03-13 错误修正：1.脸部二维面具的图像未显示在android微信上。 2.第二次进入演示UI时，不显示3D模型。 2021-03-11 新增：使用“面部标志检测”和“ TensorFlow.js”的面部AR。 更新：将“ face-api.js”替换为“ face-landmarks-detection”，删除了“ face-api.js”的代码。 2019-09-07 新增：使用“ face-api.js”进行人脸检测和识别。 带有TFJS的微信小程序AR的介绍 TensorFlow.js是一个用于使用JavaScript进行机器学习的库。 TensorFlow.js有一个微信小程序插件。 我们可以使用TensorFlow.js创建AR效果。 “人脸地标检测”库基于TensorFlow.js。 “人脸地标检测”库在浏览器环境中提供人脸检测。