从视频中识别、裁剪和保存人脸作为图像 有关技术细节,请查看相关! 如果您需要具有超高精度的专业人脸检测和识别项目,请联系。 快速演示 人脸正在跟踪、裁剪和保存为视频中的图像 从具有适当路径层次结构的视频中保存图像 理论 如果您想研究面部识别或面部检测的某些方面。 您想要的一件事是可用于您的系统的各种面Kong。 您可以通过此程序创建自己的人脸检测/识别数据库。 从视频中识别人脸,裁剪并将它们保存为适当路径层次结构下的图像。 一旦我们获得了人脸数据,我们就需要在我们的程序中读取它。 在演示应用程序中,我决定从一个非常简单的 CSV 文件中读取图像。 为什么? 因为这是我能想到的最简单的独立于平台的方法。 但是,如果您知道更简单的解决方案,请与我联系。 基本上所有 CSV 文件需要包含由文件名后跟 ; 组成的行。 后跟标签(作为整数),组成如下一行: /path/to/image.e
1
Information Science and Statistics Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science. However, these activities can be viewed as two facets of the same field, and together they have undergone substantial development over the past ten years. In particular, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic models. Also, the practical applicability of Bayesian methods has been greatly enhanced through the development of a range of approximate inference algorithms such as variational Bayes and expectation propagation. Similarly, new models based on kernels have had significant impact on both algorithms and applications.
2023-02-20 18:40:04 16.27MB 模式识别 机器学习 M. Jordan
1
The first version of this book was a set of lecture notes for a graduate course on data mining and applications in science and technology organized by the Swedish National Graduate School in Scientific Computing (NGSSC). Since then the material has been used and further developed for an undergraduate course on numerical algorithms for data mining and IT at Link¨oping University. This is a second course in scientific computing for computer science students.
2023-02-19 17:04:23 17.93MB pattern recognition
1
压缩包中包含Pattern Recognition Letters的LateX模板和word模板。
2023-02-15 15:33:48 348KB PRLetters
1
官网就给了个sty文件,不知道咋弄的可以下载这个压缩包,直接添加内容
2023-02-15 15:32:45 321KB latex
ORB-slam 最初相关论文,博客提供了全部翻译,主要描述二进制特征对于计算速度的优化。
2023-02-12 23:02:29 1.09MB slam
1
基于全同态加密的安全人脸识别系统 本人个人主页: 指导老师:陈智罡(Zhigang Chen), 个人网站: 本项目获得第十二届全国大学生信息安全竞赛国家级二等奖。 特点说明: 随着人脸识别技术广泛使用,人脸数据安全问题的严重性也日益增长。 我们采用了全同态加密的方法来保证数据的安全性。 全同态加密:全同态加密支持加密域中密文的计算。那么全同态加密的提出就能够很好的解决计算隐私的问题。我们都知道人脸识别或者说机器学习甚至是整个人工智能,归根到底都是统计数学方法,那么就避不开计算,如此一来,我们就可以先用公钥将数据进行加密,加密后的密文进行数据传输和数值计算,计算结果还是为密文,用户收到密文结果后用私钥进行解密。这样就很好的保证了数据的隐私安全性。 项目难点: 1、Python和C++的跨平台开发,密码学的全同态加密算法采用C++语言编写,人工智能中的人脸识别算法采用Python编写; 2、
2023-02-10 15:38:55 190.8MB Python
1
用于人类活动识别的深度学习 深度学习可能是人类活动识别最近的未来。 虽然现有的非深度方法有很多,但我们仍然想释放深度学习的全部力量。 这个 repo 提供了一个使用深度学习来执行人类活动识别的演示。 我们同时支持 Tensorflow 和 Pytorch。 先决条件 Python 3.x 麻木 Tensorflow 或 Pytorch 1.0+ 数据集 有许多用于人类活动识别的公共数据集。 您可以参考这篇调查文章以了解更多信息。 在本演示中,我们将使用 UCI HAR 数据集作为示例。 这个数据集可以在找到。 当然,这个数据集在放入网络之前需要进一步的预处理。 我还提供了数据集的预处理版本作为.npz文件,以便您可以专注于网络(在下载)。 还强烈建议您下载数据集,以便您可以自己体验所有过程。 #主题 #活动 频率 30 6 50赫兹 用法 对于 Pytorch(推荐),进入p
1
SC-LIO-SAM 版本 2020-11-19 什么是 SC-LIO-SAM? SC-LIO-SAM 是一种实时激光雷达惯性 SLAM 封装。 LiDAR 惯性 SLAM:扫描上下文 + LIO-SAM 该存储库是一个示例用例,它是一种快速而强大的 LiDAR 位置识别方法。 有关每种算法的更多详细信息,请参阅扫描上下文 LIO-SAM 您还可以使用该项目的 LiDAR-only 版本,名为 。 扫描上下文:快速而强大的位置识别 轻量级:名为“Scancontext.h”和“Scancontext.cpp”的单个标题和cpp文件 我们的模块有 KDtree ,我们使用 。 nanoflann 也是一个单头程序,该文件在我们的目录中。 易于使用:用户只需记住和使用两个API函数; makeAndSaveScancontextAndKeys和detectLoopClosureID
2023-02-05 20:12:53 3.85MB place-recognition lidar-slam C++
1
digit_recognition 从头开始使用python进行tens_flow的digit_recognition。 该程序能够达到95%的准确率。 结构 初始化网络 共有3个完全连接的层,每层784、32、10个单位,并且每个层都使用Python内置结构来承载权重。 权重是通过介于(0,1)之间的正态分布来设置的。 [{'weights':[0.7230910569842391,0.3597793079018069,0.6794622424433031,0.18301374299295925] ['weights'] [0:3]->重量。 ['weights] [-1]->偏见。 隐藏层 该结构在第一隐藏层中共有32个神经元。 Relu在这里用作激活功能。 我选择Relu而不是Sigmoid的两个原因是,Relu绝对在计算效率上更高。 第二个原因是在多层的情况下,Sigmoid函数
2023-01-29 21:50:23 287KB Python
1