使用网络收集人脸数据集通过darknet进行训练，之后转换为tensorflow的.pb格式权重文件，可作为预训练权重使用。

包括RCNN、fast RCNN、faster RCNN、SSD、Yolo v1、Yolo v2、Yolo v3在内的目标检测经典论文集

人工智能图像标注工具labelimg.exe，可直接双击运行，不需要安装python环境，解压后直接双击labelimg.exe

COCO2017的前128张图片官方数据集

Python人脸识别考勤打卡系统 语言：Python 系统要求：Win10, Win7, Mac, Linux 数据库：自带免安装版无密码数据库 基本功能健全 源码压缩包

主要核心功能是文字与验证图形码的识别。 通过对图像使用滤镜处理为二值化后，切割得到的每个独立文字图像进行识别，根据设置的相似度进行筛选并得到最终识别结果，最后可生成一个被第三方任何编程语言调用的COM对象的独立dll文件。 截图介绍 主要核心用途就是截取电脑屏幕区域内需要识别的文字图像和手机屏幕区域内需要识别的图像。 滤镜介绍 主要核心原则就是把彩色的图像，处理为黑底白字的二值化图像，这样才能进行文字图像的切割和识别。滤镜的命令有很多种，可以根据不同情况自行搭配或重复使用。 切割介绍 主要核心原则就是把二值化后的黑底白字的图像，根据不同类型的切割方式，切割成单个的文字图像，并且能够进行识别。 字库介绍 主要核心用途就是保存已设置好对应文字的切割得到的二值化后的文字图像。能够对字库独立管理，在识别的时候就能够调用字库进行识别匹配，最终得到正确的文字。 发布介绍 主要核心用途就是生成一个可被第三方任何编程语言调用的COM对象的独立dll文件以及调用源代码。这个dll文件中包含了所有的滤镜处理和切割方式以及字库数据。

随着计算机人工智能技术的不断发展， 基于人工智能的各种应用层出不穷， 其中图像识别技术便是生活中应用最为广泛的一种。图 像识别是指利用计算机系统来完成图像匹配识别， 从而适配各种应用的技术，与人类识别相比， 人工智能使其更加精准和高效， 已广泛应用于 国民经济的各个领域。本文从图像识别的流程讲起， 就各种识别方式进行论述， 并对未来的图像识别发展进行了展望

当前，以物联网、大数据、人工智能等新技术为代表的数字浪潮席卷全球，物理世界和与之对应的数字世界正形成两大体系平行发展、 相互作用。数字世界为了服务物理世界而存在，物理世界因为数字世界变得高效有序，数字孪生技术应运而生，从制造业逐步延伸拓展至城市空间，深刻影响着城市规划、建设与发展。 数字孪生因感知控制技术而起，因综合技术集成创新而兴。数字孪生城市是在城市累积数据从量变到质变，在感知建模、人工智能等信息技术取得重大突破的背景下，建设新型智慧城市的一条新兴技术路径，是城市智能化、运营可持续化的前沿先进模式， 也是一个吸引高端智力资源共同参与，从局部应用到全局优化，持续迭代更新的城市级创新平台。

利用QT和opencv实现的简单几何形状的识别算法，可自动识别其中心点坐标，并在图中标出，将识别结果显示在图形下方，并将边长或者半径标记在图形中心点附近

本数据集数据取自 https://lttm.dei.unipd.it//downloads/gesture/ 原数据集包含了14个人采集的共1400张样本，共10种手势。包括RGB图像、深度信息等，原图大小1280*960。 本数据集只选用了RGB图像，并将图像缩小为400*300。同时对所有的手势进行了样本标记，以PascalVOC格式记录。 所有标记坐标均以（0,0）为图像左上角点。