指纹_TF 使用Tensorflow2进行深度学习指纹识别。 图片信息 Fingerprint image size is 160x160(500DPI). 环境 Python : 3.7 Tensorflow : >= 2.0 参考 https://github.com/kairess/fingerprint_recognition 样本数据集 您可以从此处获取样本数据集。 该数据集是从FVC2000_DB4_B创建的。 预训练模型 发布日期 型号版本 训练数据集 图片信息 验证准确性 网址 2020-02-21 v0.1 17,859图片(343手指) 160 x 160(500DPI) 0.9702 2020-04-13 v0.2_Beta1 5,800张图片(203个手指) 160 x 160(500DPI) 0.9748 预处理 在训练模型之前,必须进行预处
2021-12-10 20:03:45 86KB Python
1
使用CNN进行动作识别 在该项目中,对卷积神经网络(CNN)进行了训练,以使用Pytorch对图像和视频进行分类。 数据集 使用过的UCF101数据http://crcv.ucf.edu/data/UCF101.php但仅接受了10个班级(共101个班级)。 每个剪辑有3帧,每帧为64 * 64像素。 片段的标签位于q3_2_data.mat 。 trLb是训练剪辑的标签,而valLb是验证剪辑的标签。 首先对CNN进行训练以对每个图像进行分类。 然后,使用3D卷积训练CNN,将每个剪辑分类为视频而不是图像 Kaggle比赛 CNN对图像的动作识别-排名第10- http://www.kaggle.com/c/cse512springhw3 CNN对视频的动作识别-排名32- http://www.kaggle.com/c/cse512springhw3video
2021-12-10 15:26:52 55.29MB cnn torch python3 image-classification
1
二维码识别源码,可有多种实现方式,BarcodeScanner.rar
2021-12-09 23:05:16 2.05MB 二维码 识别 源码
1
使用情况和数据集可用性 可以从此下载数据集。此存储库中的数据只是从原始数据集文件夹中包含的.mat文件中提取的图像。 创建该存储库是为了便于我对数据集进行在线访问。 CUHK-03数据集说明 此数据集是从香港中文大学(CUHK)校园收集的,请参考中大法规使用。 它包含敏感数据,使用时应尊重中大学生的隐私。 数据存储在MATLAB MAT文件“ cuhk-03.mat”中。 从5对不同的摄像机视图中收集了1467个身份。 “ cuhk-03.mat”包含三个单元格。 “检测到”表示边界框由行人检测器估算 “标记的”是指边界框被人标记 “测试集”包含测试协议 每个的详细信息在下面列出。 “检测到”和“已标记” 5 x 1个像元,每个像元包含从一对摄像机视图收集的数据。 每对摄影机视图均由M x 10个像元组成,其中M是标识的数量。 对于每个标识,单元格1-5是来自一个摄像机的图像,而单元
2021-12-09 22:05:39 362.5MB dataset cuhk person-reidentification Python
1
该个体为基于MATLAB的答题卡识别。可以识别学号填读区域学科以及跟标准答案进行对比,带有人际交互界面。可在人际交互界面的基础之上进行相应的拓展。
2021-12-08 18:37:17 3.29MB matlab
1
本篇博客tensorflow1.7,整个项目源码: 引言 本次博客将分享Udacity无人驾驶纳米学位的另一个项目,交通标志的识别。 本次项目实现主要采用CNN卷积神经网络,具体的网络结构参考Lecun提出的LeNet结构。参考文献: 项目流程图 本项目的实现流程如下所示: 代码实现及解释 接下来我们就按照项目流程图来逐块实现,本项目数据集: 如果打不开,则有备用链接: #import important packages/libraries import numpy as np import tensorflow as tf import pickle import matplotlib.pyplot as plt import random import csv from sklearn.utils import shuffle from tensorflow.contrib.laye
2021-12-07 17:09:18 11.48MB JupyterNotebook
1
MotionML 使用KNN-DTW和TinyLearn的分类器进行运动模式识别 这是使用TinyLearn模块根据提供的加速度计数据识别(分类)运动模式的特定领域示例。 此演示中包含以下运动模式: 步行 坐在椅子上 从床上起床 喝一杯 下降楼梯 梳头 刷牙 加速度计数据基于UCI的以下公共数据集: : 用于机器学习的动态时间规整(DTW)和K最近邻(KNN)算法用于演示使用加速度计数据标注变长序列的方法。 这样的算法可以应用于时间序列分类或其他情况,这些情况需要长度不等的匹配/训练序列。 Scikit-Learn没有任何DTW实现,因此作为TinyLearn模块的一部分已实现了自定义类(KnnDtwClassifier)。 考虑到DTW的二次复杂度,默认情况下DTW较慢,这就是为什么我们使用TinyLearn的直方图和CommonClassifier替代方法来加快分类的原因
2021-12-06 16:19:14 144KB Python
1
keras_captcha 这是一个用keras写的用于识别图像验证码的小程序
2021-12-06 04:42:15 70.18MB keras python3 Python
1
该课题为基于matlab的纸币面额识别系统。带有一个人机交互界面。可以识别各种金额的人民币。可以实现找0功能。
2021-12-05 22:03:38 6.57MB matlab
1
利用matlab制作的一个人民币没有识别系统,识别1 2 5 10 20 50 100金额
2021-12-05 22:03:29 844KB matlab
1