基于python机器学习实现的人脸识别大作业源码+课程报告+项目说明.zip 【资源说明】 1. photo_lib_sec_rec 调用simple_CNN.81-0.96.hdf5进行对照片的性别识别 2. photo_sex_rec 参考网上教程，运用机器学习识别照片中人物的性别 3. photo_test 对照片中人脸和眼睛的识别 4. video_face_rec 视频中人脸的识别 5. video_lib_sex_rec 调用simple_CNN.81-0.96.hdf5进行对视频的性别识别 6. video_sex_rec 视频中人物性别识别 7. project.md 工程代码说明文档 8. 运用BP神经网络实现性别检测（工作报告） 工作流程的大体报告

基于python开发的通过人脸识别遗传病的机器学习系统源码+模型文件+项目说明.zip 【项目结构】 deep_learning文件夹中包含训练端到端神经网络模型的Jupyter文件，文件夹中代码根据分类问题进行组织。 traditional_ml文件夹中包含使用基于传统机器学习的非端到端模型的jupyter文件，文件夹中代码根据分类问题进行组织。 dataset文件夹中包含训练中所使用数据，该数据由于人脸图片隐私性未上传github，可根据论文中提供的数据集获取途径以及搜索引擎获取。 normalized_dataset文件夹用于存放经过图像预处理的图像。 backend文件加中包含可视化程序后端部分代码

来自众多资源的信息协作称为融合。 红外图像无法显示面部识别所需的最精确功能。 但是，红外图像和可见图像中的信息是独立且互补的。 因此，将红外和可见信息合并为孤立图像对自动面部识别很有帮助。 本文基于对融合方法，算法和数据集以及基于小波，基于特征和基于局部二进制模式的融合工具的研究，对融合方法进行了划分，包括每种方法的优缺点和准确性。 本文还讨论了红外面部图像特征提取中的挑战。

机器学习概述课程设计报告(MATLAB人脸识别).doc

如果本地上传失败一般应该是数据集不全，下载本数据源可以解决 from sklearn.datasets import fetch_lfw_people faces = fetch_lfw_people() 执行上面的第二行程序，python会从网上下载labeled_face_wild people数据集，这个数据集大概200M，因为墙的原因下载很慢失败。 下载解压，指定data_home路径：D:\pythonwork\Data\SVM\scikit_learn_data\lfw_home（我的路径）即可。

交管大数据人脸识别系统（Html模板、大数据模板、大屏echarts模板）.zip

谷歌的 mediapipe 骨骼+脸识别的安卓包 apk，这是一个演示效果。

这个文件包括源代码及相应使用文档，对于学习SVM很有帮助！

人脸识别算法arcface算法解析，分析和介绍了arcface算法的主要思想、算法优点、损失函数。

matlab BP神经网络人脸识别系统