bubble_Detection 要求 Python 3.7以上 火炬1.7.1 + cu110 火炬视觉0.8.2 + cu110 matplotlib 3.3.3 numpy的1.19.5 侦探 要安装Detectron,在终端中输入python -m pip install'git + '。 可以在上找到更多信息。 训练 $ python main.py --mode train --data_path ./monet2photo \ --ckpt_path ./ckpt \ --result_path ./result \ --gpu 0 测试 $ python main.py --mode test
2022-01-04 20:37:26 9.17MB JupyterNotebook
1
Sobel边缘检测-MPI-OpenMP
2022-01-02 22:32:30 14.58MB C
1
人脸检测与追踪 使用CamShift,卡尔曼滤波器,光流的人脸检测和跟踪 客观的 : 在电影的第一帧中检测面部 使用预训练的Viola-Jones检测器 使用以下方法跟踪电影中的脸部: CAMShift 粒子过滤器 人脸检测器+卡尔曼滤波器(总是运行kf.predict(),并在获得新的人脸检测时运行kf.correct()) 人脸检测器+光流跟踪器(人脸检测器发生故障时,请使用OF跟踪器)。
2022-01-02 21:17:08 1.17MB python opencv computer-vision particle-filter
1
matlab设置图片分辨率代码 Image attack recognition system based on watermark and convolutional neural networks 0x00 项目相关 项目名称 基于数字水印与卷积神经网络的图像攻击识别系统 项目背景 相关机构公布某些重要信息之后,难免会有一些不法分子别有用心,通过技术手段恶意篡改、攻击一些特殊意义的信息。如果相关人员没有识别出伪造的信息,选择信任了这些虚假的信息,就会造成难以估量的损失。 密码学手段是一种保护信息的方法,但密码学更适合端对端通讯,不适合作为一种面向大众的公开信息真实性的验证方式。而数字水印作为信息发布者认证信息的一种方式,提取数字水印更加适合让公众去检验信息来源的可靠性。 假设信息发布机构将水印嵌入在面向公众的信息中,公开的信息在人们拿到之后,如果需要对信息的真实性验证,就可以使用本产品的水印提取验证功能,了解信息是否真实是原机构发布的。根据提取水印的形变情况,消息的可靠性就可以辨识。获取到真实有效的信息,才能切实为生活带来便利,提高信息传播的水平。 项目简介 本项目结合数字水印技术
2022-01-01 19:26:17 1.45MB 系统开源
1
乳腺癌检测应用 使用机器学习XGBoost分类器的乳腺癌检测应用程序
2021-12-31 09:32:00 1.93MB HTML
1
跳过ganomaly 该存储库包含以下论文的PyTorch实现:跳过GANomaly:跳过已连接并经过对抗训练的编码器-解码器异常检测 1.目录 2.安装 首先克隆存储库git clone https://github.com/samet-akcay/skip-ganomaly.git 通过conda创建虚拟环境conda create -n skipganomaly python=3.7 激活虚拟环境。 conda activate skipganomaly 安装依赖项。 pip install --user --requirement requirements.txt 3.实验 要在纸上复制CIFAR10数据集的结果,请运行以下命令: # CIFAR sh experiments/run_cifar.sh 4.培训 要列出参数,请运行以下命令: python train.py
1
道路裂缝检测神经网络 使用 keras 构建的卷积神经网络以 97.5% 的准确率检测道路裂缝。 这个 repo 包含一个 jupyter notebook 文件,用于正确理解图像数据集和模型训练。 #数据集
2021-12-30 13:15:05 409KB JupyterNotebook
1
实时物体检测应用 Web应用程序,用于通过Web浏览器对视频流进行实时对象检测。 安装 创建并激活虚拟环境,如下所示: $ cd cloned/directory/ $ python -m venv env $ env/Scripts/activate 安装并激活环境后,请安装所有依赖项: $ pip install -r requirements.txt 之后,您可以运行以下命令并在浏览器上以访问该应用程序。 $ python application.py 观察:该应用程序仅在Google Chrome上进行了测试。 下载型号 要下载yolov3.weights ,只需运行: $ cd models/ $ python dl-weights.py 用法 摄像头预览:启用和禁用网络摄像头预览。 运行检测模型:启用和禁用检测模型。 曝光:增加或减少相机曝光的按钮停止1。
2021-12-29 16:10:27 67KB jquery opencv flask machine-learning
1
YOLO宠物 YOLO实时宠物检测和识别 用于使用或测试 从我们的下载经过训练的体重文件,或者自己进行训练。 克隆项目 git clone https://github.com/pjreddie/darknet cd darknet 修改yolo源代码 vim examples/yolo.c 创建一个新的标签字符串数组。 char *pet_names[] = {"Abyssinian", "Bengal", "Birman", "Bombay", "British_Shorthair", "Egyptian_Mau", "Maine_Coon", "Persian", "Ragdoll", "Russian_Blue", "Siamese", "Sphynx", "american_bulldog", "american_pit_bull_terrier", "basset_h
2021-12-29 15:55:55 498KB real-time pet yolo object-detection
1
TFT-LCD_defects_detecter-Qt-opencv:基于改进的显着性模型的TFT-LCD缺陷检测器
2021-12-29 13:52:26 1.35MB opencv qt saliency-detection defect-detection
1