人脸检测与识别Web应用 一个实现face-api.js（用于在浏览器中使用面部检测和面部识别JavaScript API以及使用tensorflow.js的nodejs的Web应用程序）

目标检测与跟踪 目标检测和跟踪算法

本教程介绍了如何使用Omron D6T热传感器通过Arduino板测量温度来检测座椅占用情况。

渐进式规模扩展网络的形状鲁棒文本检测 要求 pytorch 1.1 火炬视觉0.3 pyclipper 的opencv3 gcc 4.9+ 更新 20190401 加笔者损失，结果在比较 下载 icdar 2015上的resnet50和resnet152模型： 提取代码：rxjf 资料准备 遵循icdar15数据集格式 img │ 1.jpg │ 2.jpg │ ... gt │ gt_1.txt │ gt_2.txt | ... 火车 在配置trainroot和testroot 使用以下脚本运行 python3 train.py 测试 用于在测试数据集上测试模型 配置model_path ， data_path ， gt_path ， save_path在 使用以下脚本进行测试 python3 eval.py 预测 用于推断单个图像 配置mode

FCOS检测算法在VOC数据集上的训练模型，直接下载可进行inference。配合代码https://github.com/leviome/fcos_pure 使用。具体教程看README.

2021-Threat-Detection-Report.pdf

跌倒检测 跌倒检测自述文件

钢筋检测 使用开放式计算机视觉自动进行钢筋计数。 按顺序执行以下步骤： 步骤1：-安装必备库 1. Run pip install -r requirements.txt (Python 2), or pip3 install -r requirements.txt (Python 3) step2：-运行python程序$ python steel.py 步骤3：-要退出程序，请按“ q”

跌倒检测两个流cnn 使用两流卷积神经网络（CNN）和运动历史图像（MHI）进行实时跌倒检测 该存储库包含使用两流CNN的实时跌倒检测模型的代码。 光流被“运动历史图像”（MHI）取代，可以进行实时推断。 utils.py文件包含用于生成数据的实用程序代码，train_model.py文件创建并训练模型，而fall_detection.py文件包含使用FDD数据集上的weights文件夹中的权重运行模型的代码。视频或您的网络摄像头。 有关模型架构，性能以及在不久的将来会出现的演示画面/图片的详细说明。 在生成的数据子集上实现了相当不错的交叉验证错误率。 当前致力于获取更多数据并完善数据生成技术。

小麦品质检测仪2 受启发 描述： 我们正在使用此小麦质量检测测试来确定给定小麦籽粒图像的质量。 我们使用的数据集由提供。 小麦品质检测问题分为以下两个子问题： 两类分类，即健康谷物或其他谷物。 五类分类，即健康谷物，损坏的谷物，异物，破碎的谷物和谷物覆盖物。 我们为上述数据集提取的用于训练的数据集（单粒或其他图像）。 要求： 的OpenCVPython的 凯拉斯 张量流 matplotlib 经过python3.5测试 一目了然 对于两类分类： $ python classifier_2_v2.py 68/68 [==============================] - 0s 499us/step - accuracy: 0.9020 - loss: 0.2475 MLP Test loss: 0.247524231672287 MLP Test acc