文本检测和识别综述论文

该数据集包含一个注解类：手枪的2986张图像和3448个标签。 Handgun Detection_datasets.txt README.dataset.txt README.roboflow.txt Handgun Detection_export_datasets.rar

hog svm matlab代码滑动窗口人脸检测 描述 使用定向梯度直方图 (HOG) 和支持向量机 (SVM) 区分实际人脸对象和非人脸对象。 实现基于Matlab。 源代码位于名为“code”的目录中 必要的数据集位于名为“data”的目录中

GNSS-欺骗-检测 GNSS欺骗检测系统 这个开源项目是关于检测可以被 GPS/GLONASS 模拟器接收的“欺骗”GPS 和 GLONASS 信号。 #什么需要开始我需要从 GLONASS 或 GPS 模拟器接收信号的 GPS/GLONASS 接收器的 NMEA 数据转储。 在此 NMEA 日志中必须包含 $GPGSV 字符串。 因为我会分析卫星信号的电平并尝试检测“欺骗”。 我有 GPS 接收器，并且有从它转储 NMEA 的经验，所以我有真实的信号。 但是我没有转储我的 GPS 接收器可以从生成欺骗信号的 GPS 模拟器获得的欺骗信号，所以我无法制作图表和软件测试。 在一项相关工作中讨论过，如果我们有欺骗信号的 C/N0 值，我们就可以检测欺骗。 在 NMEA 规范中，C/N0 是卫星的 SNR 值。 也许我可以以编程方式生成欺骗信号，但我认为这不会是一个干净的实验。 如果将实

实例阴影检测（CVPR'20） *，*，王琼，Pheng -安恒，和（*联合第一作者。） [ ] [ ] [ ] 实例阴影检测旨在找到与对象实例配对的阴影实例。 我们提出了一个数据集，一个深入的框架和一个评估指标来应对这一新任务。 此在上。 依存关系 python> = 3.6 火炬== 1.3.0 + cu100 火炬视觉== 0.4.1 + cu100 张量板 赛顿 朱皮特 scikit图像 麻木 的OpenCVPython的 pycocotools 安装 安装LISA和pysobatools $ cd InstanceShadowDetection $ python setup.py install $ cd PythonAPI $ python setup.py install 码头工人 $ cd InstanceShadowDetection/docker $

异常检测 异常检测的Pytorch实现，可检测到工业数据集中的非正常图像 它只有简单的图层，但是如果您要查看mvtec纸，请单击。 实际上，我在mvtecAD上无法很好地工作，因为我认为在微调阶段会找到自动阈值。 因此，仅手动修复阈值即可实现此代码。 那是周。 Tensorflow版本 MVTEC Tensorflow实现是在上面链接的mvtec论文中实现的。 简单的CNN模型（自动编码器） 对抗变式自动编码器 先决条件 Linux或macOS python3 + 火炬0.4+ 安装 git clone https://github.com/CY-Jeong/anomaly-detection-mvtec.git cd anomaly-detection-mvtec PIP用户，PIP pip install -r requirements.txt Conta用户， conda e

该数据集有203张带有边框注释的绵羊图像。用于绵羊检测。 Sheep Detection_datasets.txt Sheep Detection_datasets.zip

使用LSTM和其他算法进行无监督的异常检测 在合成时间序列数据上使用LSTM（长期短期记忆）算法进行无监督的异常检测。 它使用均方误差作为此类数据中离群值的度量。 原始信号，平滑信号和通过MSE进行异常检测的图表。 一些待办事项： Keras（TF后端） 估算真实数据（例如，） PyTorch端口 其他方法： 带有状态转换的有限状态自动机，用于时间序列数据分段（ ） 一类NN（） 待定 参考

边缘检测 作者：庄军 0.关于项目 在这个项目中，我使用c ++从头开始实现边缘检测算法。 1.方法 基本上，我使用Sobel运算符对输入图像进行卷积运算，以计算沿x和y方向的偏导数。 之后，我计算梯度图像，然后检测梯度值峰值处的边缘。 整个过程遵循（不进行预平滑）。 在这里，我实现了两个版本。 对于Canny边缘检测器，我将梯度图像转换为二进制图像，然后执行非最大抑制。 对于简单版本，我仅考虑水平和垂直方向。 请注意，这些是基本的重新实现，因为我没有花太多时间来调整秤号以避免溢出问题。 2.运行脚本 我使用GNU编译器集合（GCC）在MacOS上运行脚本。 gcc script_name.cpp -o script_name ./script_name 在运行之前，用户需要在脚本中设置图像的宽度和高度，过滤器的大小，阈值以及输入图像的名称（无法通过此版本传递参数）。 3.结果 原始

面部欺骗检测 深度纹理特征提取及基于局部二值模式的卷积神经网络的实现