利用yolov5网络进行车牌识别和检测,更加高效,更加快速,不用对各种车牌颜色进行单独处理,都可以识别并且不用标注车牌数据集和labelme软件进行车牌标注,更加高效,识别速度更快速,比基于opencv的车牌识别的有点就是不用对颜色进行单独处理,对于基于cnn的车牌识别的好处就是可以实时检测车牌,更快速

利用海思HI3559平台，来实现yolov3实时的输入输出识别处理，经过实际测试，海思3559平台可以达到8帧/s的识别速度。 本课程详细介绍了该算法实现的原理，框架以及过程，详细解释了源代码，并且已经将实现的代码上传课件，学员可以下载后直接实现该算法。

利用卷积神经网络实时识别手势动作 一共识别5种手势动作 剪刀动作 2.石头动作 3.布动作 4.OK动作 5.good动作 项目文件 项目文件列表如下： data：存放训练集、测试集，实时保存的图像（用于在线检测）。 ges_ico：存放UI窗口使用的各种图标。 log：存放训练的CNN网络的模型参数。 CallFrame.py：界面窗口的逻辑文件，用来调用界面文件并编写信号与槽函数。 Frame.py：界面窗口的界面文件，通过PyQt5的designer工具生成。 GetTestImage.py：利用OpenCV获取图片并标记，用来制作测试集。 GetTrainImage.py：利用OpenCV获取图片并标记，用来制作训练集。 SaveGesture.py：利用OpenCV实时获取图片，并进行预处理，用于在线检测手势。 TestGesture.py：将实时获取的图片送入已训练好的C

行业分类-设备装置-一种目标实时识别方法.zip

行业文档-设计装置-水稻病害图像远程实时识别系统.zip

行业文档-设计装置-实时识别插拔USB设备的方法.zip

基于深度学习的非结构环境下海参实时识别算法.pdf

摄像头实时识别二维码

自行收集面部表情图片，例如从搜索引擎中抓取或者直接用公开的数据集，基于tensorflow等深度学习系统，构建一个面部表情分类，可以检测静态图片中的人脸面部表情，或者面部表情实时监测系统。搭建一个桌面或者移动端app，可以对面部表情进行实时的检测和输出，可以检测的面部表情7种。

提出了Matlab 平台下的集装箱识别定位新方法, 系统利用Matlab7.0 提供的Image Acquisition 工具箱实现实时视频流的获取。将HSV 颜色空间量化编码成162 色实现对图像匹配区域的压缩。用直方图相交算法给出匹配图像与模板的相似度, 识别出一帧图像中的集装箱。并结合实际情况采取变步长平移搜索方案, 进一步提高了系统速度, 满足了系统实时性的要求。