MLKit示例 一组快速入门示例，这些示例演示了Android和iOS上的 API。 注意：由于此仓库的工作方式，我们不再直接接受拉取请求。 相反，我们将在内部对其进行修补，然后将其同步出去。

脑电情绪识别 HSE计算机科学学生项目 作者：Soboleva Natalia和Glazkova Ekaterina 脑电信号的准确分类可以为医学研究提供解决方案，以在早期阶段检测异常脑部行为以对其进行威胁。 在这项研究中，我们从另一个角度来看这个任务-情绪识别。 我们设计了卷积神经网络和递归神经网络的联合，使用自动编码器来压缩数据的高维数。 当前项目包括EEG数据处理，并使用AutoEncoder + CNN + RNN进行卷积 前处理 伪影-这是所有非脑源记录的活动的术语。 伪影可分为两类：生理伪影（来自大脑其他部位的虹膜，例如，身体）和外部生理伪影（例如，技术设备的北极）。 为了提取脑电图观察的最重要特征，必须进行预处理。 为了进行数据处理和可视化， 选择了用于人类神经生理数据（包括EEG）的开源Python软件。 在这一领域，有两种主要的最新方法可以处理EEG信号：小波变换和

Acquiring Linear Subspaces for Face Recognition under Variable Lighting.pdf

Metrics-and-Models-for-Handwritten-Character-Recognition.pdf

ESP32-CAM门禁系统 识别到人脸后，使用ESP32-CAM解锁门。 基于ESP32-CAM和Arduino IDE的面部识别的简单访问控制系统。 注意：如果您使用的是ESP32 Arduino硬件库1.0.5版，则现在可以使用以下文件运行整个项目： FaceDoorEntryESP32Cam.ino camera_index.h camera_pins.h partitions.csv 无需在Arduino IDE中创建新分区 博客上的完整详细信息： :

TF_Convolutional_Autoencoder 用于在TensorFlow中以高压缩率对RGB图像进行编码/解码的卷积自动编码器 这是从Arash Saber Tehrani的Deep-Convolutional-AutoEncoder教程教程改编而成的示例模板，用于对3通道图像进行编码/解码。 该模板已被完全注释。 我已经在来自香港中文大学的CelebA数据集的重新缩放后的样本上测试了此实现，以在短时间的训练中产生相当不错的结果。 此实现的压缩比为108。即，对于形状为[-1、48、48、3]的输入张量，瓶颈层已减小为形状为[-1、64]的张量。 附加功能： 将3通道图像而不是MNIST用作输入 培训现在执行检查点保存和还原 可以在TensorBoard中查看编码器的输入和解码器的输出 输入自动重定标 用ReakyReLU代替ReLU激活来解决垂死的ReLU 注意事项：

人脸识别考勤系统 识别人脸并自动考勤。 :sparkles: 动机 :astonished_face: 我们力求为教师和学生提供宝贵的出勤服务。 通过提供使用人脸识别技术的自动化且可靠的考勤系统，减少人为处理错误。 特征 :clipboard: 检查相机 捕捉面Kong 火车脸 识别面Kong和出勤 自动电邮 屏幕截图 :camera: 命令行界面 检查相机 自动邮件 科技二手 :laptop: 建立- Python 3.7 使用的模块- 所有模块均为最新版本。 OpenCV贡献4.0.1 枕头 脾气暴躁的 大熊猫 舒蒂尔 CSV 雅格 人脸识别算法- Haar级联 LBPH（本地二进制图案直方图） 使用的软件- 皮查姆2019.2 VS代码 吉特 安装 :key: 下载或克隆项目 首先在本地计算机上下载或克隆项目。要从github下载项目，请按Download Zip。 或者 您可以使用git bash克隆项目。要使用git bash克隆项目，请先打开git b

TransFG：用于细粒度识别的变压器体系结构 论文的官方PyTorch代码： 不久将发布基于ImageNet-1K上训练的DeiT的实现，并进行精调。 框架 依存关系： 的Python 3.7.3 PyTorch 1.5.1 火炬视觉0.6.1 ml_collections 用法 1.下载Google预先训练的ViT模型 ：ViT-B_16，ViT-B_32 ... wget https://storage.googleapis.com/vit_models/imagenet21k/{MODEL_NAME}.npz 2.准备数据 在本文中，我们使用来自5个公开数据集的数据： 请从官方网站下载它们，并将它们放在相应的文件夹中。 3.安装所需的软件包 使用以下命令安装依赖项： pip3 install -r requirements.txt 4.火车 要在FP-16模式下以

ets 此存储库为AUNets提供了PyTorch实现。 AUNets依赖于每个面部表情具有独立的和二进制的CNN的功能。 它适用于整体面部图像，即无需关键点或面部矫正。 项目页面： : 引文 @article{romero2018multi, title={Multi-view dynamic facial action unit detection}, author={Romero, Andr{\'e}s and Le{\'o}n, Juan and Arbel{\'a}ez, Pablo}, journal={Image and Vision Computing}, year={2018}, publisher={Elsevier} } 用法（火车） $./main.sh -GPU 0 -OF None # It will train AUNets (1

人脸识别检查系统 基于python + face_recognition + opencv + pyqt5 +百度AI实现的人脸识别，语音播报，语音合成，模拟签到系统 使用python3 +写的，使用face_recognition（python开源的人脸识别库）进行人脸识别，使用opencv2进行打开显示摄像头图片等，使用pyqt5是ui界面，使用百度AI中的百度语音合成实现语音播报和语音合成，使用对excel的操作以及人脸识别实现模拟签到。 只需要把一张具有人脸信息的图片按名字命名放到相应的文件夹中，在text.txt文本中输入详细信息，即可使用。 文档在CSDN上面 简单介绍以及配置 功能介绍