英文电子书：Applied Graph Theory In Computer Vision And Pattern Recognition

Models used by the face_recognition package. This package contains only the models used by face_recognition. See face_recognition for more information.

RNN-换能器语音识别 在Tensorflow 2.0中使用RNN-Transducer进行端到端语音识别 概述 该语音识别模型基于Google的研究论文，并使用Tensorflow 2.0在Python 3中实现。 设置您的环境 要设置您的环境，请运行以下命令： git clone --recurse https://github.com/noahchalifour/rnnt-speech-recognition.git cd rnnt-speech-recognition pip install tensorflow==2.2.0 # or tensorflow-gpu==2.2.0 for GPU support pip install -r requirements.txt ./scripts/build_rnnt.sh # to setup the rnnt loss 共同的

真棒人类活动识别 1.数据集 机会[ ] PAMAP2 [ ] 2.带代码的文件 2020年 潜在的独立激励，用于基于传感器的通用跨人活动识别[论文] []（ AAAI 2021 ） 通过自适应时空转移学习进行跨数据集活动识别[] [代码]（ IMWUT / ubicomp ） MARS：具有多域深度学习模型的用于人类活动识别的虚拟和真实可穿戴混合传感器[] [code]（ arXiv ） 从可穿戴设备向人类活动的深度聚集[] [代码]（ ISWC / ubicomp ） [UDA4HAR]进行无监督的领域自适应以进行鲁棒的人类活动识别的系统研究[] [代码]（ IMWUT / ubicomp ） 用于活动识别的对抗性多视图网络[] [代码]（ IMWUT / ubicomp ） 使用可穿戴设备进行人类活动分析的弱监督多任务表示学习[] [代码]（ IMWUT / ubico

使用ARCFACE-Pytorch的人脸识别 介绍 此存储库包含face_verify.py和app.py，它们能够执行以下任务- 从图像，视频或网络摄像头中检测脸部并进行脸部识别。 app.py用于部署项目。 所需文件 requirements.txt 预训练模型或 。 自定义数据集 新训练的模型（facebank.pth和names.npy） 用户说明 首先下载项目后，您必须安装以下库。 安装 您可以通过从终端运行以下命令来一次安装所有依赖项。 $ pip install - r requirements . txt 对于使用“ pip”安装割炬，请运行以下命令 $ pip3 install torch == = 1.2 . 0 torchvision == = 0.4 . 0 - f https : // download . pytorch . org /

使用NVIDIA预训练模型和Transfer Learning Toolkit 3.0与机器人创建基于手势的交互 在这个项目中，我们演示如何训练您自己的手势识别深度学习管道。 我们从预先训练的检测模型开始，使用Transfer Learning Toolkit 3.0将其重新用于手部检测，然后将其与专用手势识别模型一起使用。 经过培训后，我们将在NVIDIA:registered:Jetson:trade_mark:上部署此模型。 可以将这种手势识别应用程序部署在机器人上以理解人类手势并与人类进行交互。 该演示可以作为点播网络研讨会提供： : 第1部分。训练对象检测网络 1.环境设置 先决条件 Ubuntu 18.04 LTS python> = 3.6.9 = 19.03.5 docker-API 1.40 nvidia-container-toolkit> = 1.3.0-1

ncnn在Android的一个测试，包含了人脸检测(face detection)，人脸属性(face attributes)，人脸识别(face recognition)。车辆检测(Vehicle detection)，车牌检测(plate detection)，车牌识别(plate recognition)；人头检测(head detection)的流程 ncnn_android_face_vehicle ncnn在Android的一个测试,包含了人脸检测(face detection),人脸属性(face attributes),人脸识别(face recognition);车辆检测(Vehicle detection),车牌检测(plate detection),车牌识别(plate recognition);人头检测(head detection)的流程 致谢 NCNN:https://github.com/Tencent/ncnn MobileNetSSD_Demo_AndroidNCNN:https://github.com/chentyjpm/MobileNetS

Qt的BPNN人脸识别：Q Qt开发的基于BPNN（反向传播神经网络）的人脸识别系统

本次研究工作为提高计算效率，作者对视频识别的空间冗余进行了探讨。发现在视频的每一帧中，信息量最大的区域通常是一个小的 image patch，在不同的帧中平稳地移动。因此，作者将 patch 定位问题建模为一个连续的决策任务，并提出一种基于强化学习的高效空间自适应视频识别方法：AdaFocus。并在 ActivityNet, FCVID, Mini-Kinetics, Something-Something V1&V2 5 个基准数据上进行了实验，得出比竞争性基线明显更有效率的结果。

AI-Challenger-Plant-Disease-Recognition 农作物病害检测 详情请见 环境配置 python==2.7 tensorflow==1.2.1 使用方法 更改 plot.py 脚本中路径，运行该脚本，可以绘出数据分布的直方图 下载预训练模型 更改 plant_disease.py 中的输入文件路径，输出文件路径，预训练模型文件路径 在 code 路径下直接运行 python plant_disease.py 训练完成后会直接使用训练得到的参数预测 testA 数据集，生成可以用来直接提交的 json 文件 大佬开源分享 框架：pytorch 最终成绩：0.875 框架：keras 最终成绩：0.88658 其他 Label ID Label Name 0 apple healthy（苹果健康） 1 Apple_Scab general（苹果黑星病一般） 2