本资源包括：程序、实验和论文【均原创】 我们在windows系统下，基于python3.7和tensorflow，通过ensorflow、numpy、opencv和dlib库搭建了人脸识别的环境。通过使用dlib自带的frontal_face_detector作为特征提取器，摄像头扫描读取用户人脸，然后利用三层卷积神经网络进行多轮训练学习，得出较小的损失率和较大的准确率模型。利用训练好的模型来识别，扫描出脸是否为用户的脸。 技术特点： ①本程序使用dlib来识别人脸部分，也可以程序中使用的是dlib来识别人脸部分，也可以使用opencv来识别人脸。 ②本程序中加入了对比度与亮度的模块，这样可以提高训练后识别自己的成功率，也提高照片样本的多样性。对比度和亮度值都取随机数。 收集其他人的图片集，使用dlib中detecotr批量识别图片中的人脸部分。调整图片的格式后，保存。 ③人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。 ④将图片和标签转化为数组，随机化为训练集和测试集，每次取4张图片。

基于TensorFlow.js的YOLOv5实时目标检测项目源码.zip

基于TensorFlow的数字识别软件，有GUI界面，可以使用GPU进行训练，仅测试过python2.7版本，直接运行ui.py即可，其他功能直接点击按钮，可进行神经网络训练，单张图片识别等，需要导入TensorFlow等模块，适合作为课堂作业提交

人工智能-项目实践-实体识别-基于tensorflow深度学习的中文的命名实体识别 一个中文的实体命名识别系统 当前版本基于双向循环神经网络（BiRNN） + 条件随机场（CRF）来完成实体的标注。 基本思路是利用深度神经网络提取特征，从而避免了手动提取特征的麻烦。 第二部和传统的方式一样，使用CRF在做最后的标注。 该程序使用Tensorflow完成，使用了当前较新的DataSet API，使数据预处理和feed更优雅。 由于使用了新的API， Tensorflow版本必须大于1.2.0，代码升级后使用的是TensorFlow1.4，不确定原来Tensorflow1.2是否还兼容。

1 概述 1 2 系统开发环境 3 系统分析 8 3.1 可行性分析 3.1.1 技术可行性 3.1.2操作可行性 3.1.3 经济可行性 3.1.4 法律可行性 9 3.2需求分析 9 3.2.1 功能需求分析 9 3.2.2 性能需求分析 10 3.3开发环境分析 10 3.4界面需求 4 系统设计 4.1系统设计原则 12 4.2系统流程设计 12 4.2.1系统开发流程 12 4.2.2 添加信息流程 13 4.2.3 人脸识别流程 14 4.3 系统功能设计 15 4.4 数据库设计 15 4.4.1 数据库设计原则 4.4.2 数据库实体 16 4.4.3 数据库表设计 16 5系统实现 18 5.1 登录 18 5.2 注册 18 5.3 识别签到 6系统测试 25 6.1测试环境与条件 6.2功能测试 6.3可用性测试 26 6.4测试结果分析 26 结 论 27 致 谢 28 参考文献 29

1 概述 1 1.1课题背景及意义 1 1.2 国内外研究现状 1 1.3 本课题主要工作 2 2 系统开发环境 3 2.1 python简介 3 2.2 人脸识别简介 4 2.3 SQLite 5 2.4 Django介绍 6 2.5 TensorFlow 7 3 系统分析 8 3.1 可行性分析 8 3.1.1 技术可行性 8 3.1.2操作可行性 8 3.1.3 经济可行性 9 3.1.4 法律可行性 9 3.2需求分析 9 3.2.1 功能需求分析 9 3.2.2 性能需求分析 10 3.3开发环境分析 10 3.4界面需求 10 4 系统设计 12 4.1系统设计原则 12 4.2系统流程设计 12 4.2.1系统开发流程 12 4.2.2 添加信息流程 13 4.2.3 人脸识别流程 14 4.3 系统功能设计 15 4.4 数据库设计 15 4.4.1 数据库设计原则 15 4.4.2 数据库实体 16 4.4.3 数据库表设计 16 5系统实现 18 5.1 登录 18 5.2 注册 18 5.3 识别签到 20 6系统测试 25 6.1测试环境与条件 25 。。。。。

前端使用uniapp制作 后端使用若依前后端分离框架 检测模型采用VGG、Alexnet 文件包含课程设计报告书、数据库、源码、PPT、演示视频、操作步骤 一、所需软件 1. 识别模块:根据requirements.txt安装依赖包 2. 后端：mysql-8.0.28和Redis 3. pycharm、IDEA、HBuilderX、Navicat 15 for MySQL 二、运行过程 1.安装mysql-8.0.28和Redis 2.运行数据库文件 3.打开Redis和mysql 4.在IDEA打开运行后端文件，记得修改Redis端口和密码和数据库密码和端口号 5.在py运行requests.py文件发送get和put请求（一定要有模型，没有就训练），模型文件在models文件中 6.在HBuilderX打开前端文件，开始运行 7.开始使用

人工智能-项目实践-文本分类-CNN-RNN中文文本分类，基于TensorFlow 使用卷积神经网络以及循环神经网络进行中文文本分类 CNN做句子分类的论文可以参看: Convolutional Neural Networks for Sentence Classification 以及字符级CNN的论文：Character-level Convolutional Networks for Text Classification 本文是基于TensorFlow在中文数据集上的简化实现，使用了字符级CNN和RNN对中文文本进行分类，达到了较好的效果。 文中所使用的Conv1D与论文中有些不同，详细参考官方文档：tf.nn.conv1d

基于TensorFlow的人脸识别系统，只需修改代码对应路径就可直接使用，可训练自己的模型去识别自己。代码简单易懂，适合新手学习。环境配置简单，本人已在电脑上测试过了，有问题可直接提问。首先使用相机拍摄相关数据集，然后直接使用程序将数据集进行处理，第二步使用tensorflow进行自己的模型训练，训练出来模型后就可以直接打开摄像头使用模型来对人脸进行识别，若摄像头人脸是自己，则会显示出你的名字，并标出人脸所在位置。

基于TensorFlow、CNN、清华数据集THUCNews的字符级卷积神经网络实现文本分类算法源码