face_recognition 项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。 更多内容，请看代码中的 read_me.pdf ！

( Pattern Recognition and Machine Learning(完整答案).pdf

手写数字识别 使用 SVM、决策树和随机森林进行手写数字识别 MNIST 数据集已经在 Datasets 文件夹下给出。 svmfile.py 直接在 mnist 数据集上使用 svm。 Decisiontreefile.py 与 mnist 数据集上的决策树一起使用。 randomforestsfile.py 适用于 mnist 数据集上的随机森林。 在源代码中，一些行被注释。 特别是对不太成功的不同内核进行了评论。 您可以取消注释它们以使用不同的内核测试系统。 对于决策树分类，最后绘制决策树。 为了更准确地看到它，请放大，因为决策树有点大。 mnist 数据集的加载器取自： : 其用法： from mnist import MNIST mndata = MNIST('./dir_with_mnist_data_files') mndata.load_training() mn

昆虫识别matlab代码昆虫叮咬识别 毕业的最后一年项目。 计算机视觉项目。 就该项目发表了三篇研究论文。 发布时将更新论文的链接。 我想加的几件事： MATLAB代码，使用MATLAB R2015a进行创建。 在MATLAB中使用了神经网络工具来创建分类器。 使用GLCM提取特征（本可以使用更好但时间有限的东西） 使用PCA进行降维。 我提出任何问题，我将继续更新本自述文件。

很经典的人类识别论文，大家可以看看，特征脸识别的文章

Robust Place Recognition using an Imaging Lidar.pdf

Flowers Recognition(花卉识别数据集).zip

演示 开始： PyQt5，3.3以上的cv2，hyperlpr 暂时不提供车型识别与颜色分类的模型 下载 ，并保存到yolo目录下 介绍 模型采用opencv DNN模块读取，所以确认你安装了包含DNN模块版本（3.3以上）的cv2 车辆定位采用darknet yolov3在coco数据集上的预训练模型 车牌识别采用开源的hyperlpr： : 视频播放界面基础： : 去做 连接KNN做颜色识别

音符识别 卷积神经网络，用于从乐谱中识别音符。 迄今为止最好的配置 STEP_SIZE = 1e-6 FEATURE_STEP_SIZE = 1e-6 REG = 1e-4 BATCH_SIZE = 32 FULLY_CONNECTED_NEURONS = 50 ITERATIONS = 50 conv（5个过滤器，3X3）=> relu => conv（5个过滤器，3X3）=> relu =>池=> conv（15个过滤器，3X3）=> relu =>池=>扁平=> 2 *隐藏=>softmax 间隔/增量分析统计

通过使用face_recognition结合数据库操作，实现人脸特征mysql存储与比对。运行时确保数据库及本地照片路径正确。 获取人脸特征并存储至数据的函数detect_face_feature：参数说明： argv[1]：照片路劲，argv[2]：唯一标识或者label名称，运行时调用的方法 运行说明：python new_compare.py 人脸照片路径 唯一标识或者label名称