基于图像分类和目标检测的垃圾分类识别系统。模型采用resnet神经网络，内附权重采用flask框架，配置有前后端。2021年本科生毕业论文设计

采用python语言编写代码，实现基于深度学习的人脸检测与识别程序

VPGNet: 车道和道路标记检测和识别

基于视频和DSP车辆识别测速系统是智能交通系统(ITS)中的一个组成部分，它集牌照识别，车速检测，流量监控，费用收取等功能于一体，主要应用于超速违章车辆监控。

针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。

C++与Opencv人脸检测与识别系统，包含可执行程序以及源代码，可运行和参考学习。

条形码扫描器 用matlab编写的条形码扫描仪，可检测和识别EAN-13条形码

利用官方模型进行自定义训练自己的模型，object_detection，tf2,目标检测

基于视频检测的车牌识别

采用共享内存技术，使客户端火灾图像探 测软件与服务器端监控平台共享图像数据；采用实 时传输技术，确保火灾图像探测软件能够获得即时 数据；采用新型抑制和降低噪声技术，在不降低火 灾图像探测软件处理速度的前提下提高分析精度