吸烟(抽烟)检测和识别1：吸烟(抽烟)数据集说明(含下载链接):https://blog.csdn.net/guyuealian/article/details/130337263 吸烟(抽烟)检测和识别2：Pytorch实现吸烟(抽烟)检测和识别(含吸烟(抽烟)数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/131521338

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼

python yolov5 训练数据集 无人机航拍数据集合 人工智能 深度学习 目标检测 目标识别

钢冶炼数据处理与成分预测 这是一个pytorch深度学习项目，可识别炼钢的数据处理和组件预测。 钢冶炼中生产数据处理与成分预测的火炬深度学习项目 安装 下载部分数据文件'SteelmakingData' 冶炼数据转炉操作数据表下载： 转炉数据： 放置在： (用户文件夹)/SteelmakingData # 用户文件夹 在 Windows下是'C:\Users\(用户名)'，在Linux下是 '/home/(用户名)' 安装Pytorch和其他依赖： # Python 3.8.5 conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch conda install ujson pip install visdom opencv-python imgaug scikit-learn joblib 参数

天若ocr ocr

BanglaNotepad：集成了AI的智能记事本，可识别孟加拉语手写体 这是一个正在建设中的项目。 字符识别 当前，这是已启动项目的唯一方面。 它可以识别（大约90-95％-ish精度）单个孟加拉语字母和数字（以及精度降低的特殊混合字母）。 训练数据集 对于数字，我使用了数据集。 对于字母（和特殊的混合字母），我使用了集集。 不幸的是，并不是所有特殊的混合字符都包含在这些数据集中，即使覆盖了所有特殊混合字符，受过训练的模型也不如预期的那样准确，仅仅是因为混合字符往往看起来像它们的父字符一样。 混合字符识别可能需要某种堆叠模型。 训练之前先处理数据。 sigmod功能与适当的参数一起使用可减少图像噪音并突出显示笔触。 注意：此存储库中不包含数据集（感谢您阻止我的100MB以上推送，Github :expressionless_face: ） 模型 到目前为止，该模型已经在Tensorflow下使用Keras进行了训练，使用2隐

主要为大家详细介绍了python实现人脸识别经典算法，特征脸法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

开发软件：Idea + Mysql + AndroidStudio + 安卓手机 开发技术：Springboot + 原生Android + 百度智能云台人脸搜索接口 基于安卓开发一个学生人脸识别课程考勤签到系统，主要是给学校老师方便统计自己上课的考勤情况。老师可以注册自己的账号，web端登录后可以添加和管理学生信息，学生信息里面包括了学生的人脸图像，添加的时候人脸照片会同步上传到百度智能云平台的人脸库，老师可以查询自己课程的考勤签到记录，也可以查询某个学生的签到记录；安卓端采用studio开发，手机端老师登录后可以选择自己的课程安排上课时间和地点，当上课的时候可以拿出手机拍摄学生的脸部图像，然后将学生人脸图像传给服务器端，服务器利用学生人脸数据提交给百度云的人脸搜索识别接口查询在学生人脸库里面是否存在，如果查询成功就可以登记该学生的考勤签到记录。 web端登录地址：http://localhost:8080/login.html 老师账号密码：TH001/123456

很多应用需要在不接触实际物体的情况下，感测物体的存在或距离。这种接近感应需求催生了众多竞争性解决方案，包括光学飞行时间 (ToF) 传感器。虽然这些传感器非常，但其成本一直非常昂贵，并且实施复杂；不过近的解决方案已经显著简化了此类技术的使用。     使用接近感应的产品列表包括相机自动对焦系统、机器人和无人机、各种浴室装置，以及自动门的门禁传感器。这里只是举了几个例子，此类产品列表还在不断扩大。竞争性的接近感应技术首先是简单的红外线和超声波传感器，再逐渐发展到更复杂的传感器系统，例如使用神经网络的立体视频摄像机。     所有这些技术都存在局限性，并且可能需要人工智能来实施复杂任务，例如自

基于 OpenCV + Python 的人脸识别上课签到系统，实现的功能： 1. 班级同学人脸图像的采集，得到人脸数据库 2. 人脸识别模型的训练 3. 刷脸识别签到，查看签到结果 4. 编写简单的用户界面