入侵检测SVM 入侵检测算法-SVM和增强型SVM 作者 釜山国立大学金东敏 描述 这是一个通过使用svm和增强型svm检测网络入侵的python项目。 参考文献 [1]姚J.，赵S.，和范L.（2006年7月）。 用于入侵检测的增强型支持向量机模型。 在粗糙集和知识技术国际会议上（第538-543页）。 施普林格，柏林，海德堡。

An introduction to estimation and detection theory, 非常清晰经典的英文原版教材

特征对应在图像处理和计算机视觉中至关重要。 为了有效地找到对应的对，在本文中提出了从相同的八边形滤波器组（DFOB）构造特征检测器和描述符。 DFOB方法是一种用于特征点的检测，方向计算和描述的新颖方法，并且在通过积分图像进行计算时非常有效。 DFOB的匹配能力接近诸如SIFT和SURF之类的流行方法，因为它们都将斑点样图像结构检测为感兴趣的特征，并使用定向梯度的直方图描述了这些特征。 在基准数据集上的实验结果表明，DFOB的匹配性能可与SIFT和SURF算法相媲美，而计算成本却低得多，尤其是所提出的描述符比SURF描述符快约50倍。

一种用于目标探测的图像多层级融合和增强方法，何伟基，冯维一，本文提出一种针对红外和可见光图像的有效融合算法。在小波变换多分辨分析的基础上，对多层级融合规则加以研究，先根据图像特点及

hog svm matlab代码二维码检测-hog-svm-matlab

光学音乐识别 给定一个PNG图像（一个乐谱的一部分）作为输入，我们需要使用Hough变换，朴素和边缘基于test_images文件夹中的3个光学符号（预定义为模板）找到音符，四分音符和八分音符基于检测的模板匹配。 如何使用应用程序 使用以下命令将存储库克隆到您的计算机 git clone "https://github.com/ojaashampiholi/Optical_Music_Recognition.git" 然后更改目录以访问文件，如下所示 cd Optical_Music_Recognition/ 要在预上传的图像上测试应用程序，请使用以下代码 python omr.py "test_images/music_file.png" 要在自定义图像上测试应用程序，请使用以下代码 python omr.py "path_to_image/music_file.png" 文件及

Credit Card Fraud Detection信用卡欺诈数据集-数据集

人脸检测演示（Flask应用） 这是一个非常简单的Flask应用，可让用户上传图片并检测图片中有多少张脸（如果有的话）。 在Heroku上托管 尝试。 使用以下命令生成pipfile： pipenv install opencv-contrib-python pipenv install Flask pipenv install gunicorn pipenv install numpy 添加以下buildpack： 并包含要安装的apt软件包名称的Aptfile 码头工人 基于以下内容的Docker容器： : 要构建docker映像并在本地运行： cd face_det

TLD 算法 Tracking-Learning-Detection翻译

CSC句子级别检测 基于BERT的中文拼写错误检测句子分类方法