基于matlab的人脸识别系统,可读取ORL或者YALE人脸库或者自己的人脸,采用的方法可以通过下拉框形式切换成PCA,KPCA,LDA,K-L,BP神经网络多种方式,计算识别率,也可以调用笔记本自带摄像头进行识别。具备一个人机交互式GUI界面,界面友好,识别准确,同时配备相对应的操作说明和运行效果图,直接运行GUI文件即可完美运行。另外,诸如车牌,指纹识别,图象去雾,压缩,水印,疲劳检测,人数统计,声音信号处理等均可做技术交琉,欢迎一起探讨。
1
扩频信号参数估计,完整仿真扩频信号通信过程。包括信号生成、信号检测、调制识别、信号解调以及信号的参数估计等。具备m、gold、周期扩频码(可达127、255、511、2047等)。
2022-08-22 18:08:02 157KB 扩频信号 m码 周期扩频码 BPSK
1
抽离出来的yolov5生产环境用项目,服务器配置可用,flask接口调用,支持并发,自带滑块验证码训练好的模型
2022-08-19 16:54:07 100.55MB yolov5应用 目标检测识别应用
1
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:路面裂缝检测识别系统_GUI集成开发_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
2022-07-22 18:33:45 92KB matlab 裂缝检测 GUI 裂缝检测识别系统
1.领域:matlab,yolov4 2.内容:基于yolov4深度学习网络目标检测识别matlab仿真+代码仿真操作视频 3.用处:用于目标检测识别编程学习 4.指向人群:本硕博等教研学习使用 5.运行注意事项: 使用matlab2021a或者更高版本测试,运行里面的Runme_.m文件,不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。
机器学习课程设计—基于yolov5的海棠花花朵检测识别项目源码+数据集+实验报告。 <2>打标签:用工具labelImg-master进行打标签: 1)在路径栏输入cmd,进入控制台 2)以此执行以下命令: pip install PyQt5 pyrcc5 -o libs/resources.py resources.qrc 3)启动打标签软件:执行:python labelImg.py 将这个图标改为yolov5,按住W再拖动鼠标 进入yolov5根目录打开cmd: 制作好数据集后,接下来就是训练,训练代码如下: # Train YOLOv5s on COCO128 for 3 epochs $ python train.py --img 640 --batch 16 --epochs 3 --data flowers.yaml --weights yolov5s.pt 以下是训练完毕的效果,红框中为提示内容在文件夹哪个位置,是我们需要找到的文件夹:
工业上太阳能电池板的缺陷检测识别,主要针对裂纹,斑点进行检测。详细内容参加博客:https://blog.csdn.net/cuixing001/article/details/83246218
2022-06-30 18:12:54 61.72MB 缺陷检测识别
人工智能-多级小波神经网络在毒品爆炸物检测识别中的应用研究.pdf
1.领域:matlab,yolo2的车辆检测识别算法 2.内容:【含操作视频】基于yolo2的车辆检测识别matlab仿真 3.用处:用于yolo2的车辆检测识别算法编程学习 4.指向人群:本硕博等教研学习使用 5.运行注意事项: 使用matlab2021a或者更高版本测试,运行里面的Runme_.m文件,不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。
2022-06-23 22:08:15 101.8MB yolo2 车辆检测识别 深度学习 matlab仿真
基于深度学习的积灰检测识别-图像分类源码+数据集,纯手打高分项目。 介绍 解决灰尘识别问题 采用自制灰尘数据集 方法介绍 (1)普通数据增广 (2)AutoAugment数据增强 (3)resnet (4)监督对比学习损失 (5)各种常用深度学习算法 基于深度学习的积灰检测识别-图像分类源码+数据集,纯手打高分项目。 介绍 解决灰尘识别问题 采用自制灰尘数据集 方法介绍 (1)普通数据增广 (2)AutoAugment数据增强 (3)resnet (4)监督对比学习损失 (5)各种常用深度学习算法 基于深度学习的积灰识别-图像分类+数据集,纯手打高分项目。 介绍 解决灰尘识别问题 采用自制灰尘数据集 方法介绍 (1)普通数据增广 (2)AutoAugment数据增强 (3)resnet (4)监督对比学习损失 (5)各种常用深度学习算法