Detect it Easy（DIE）是一个多功能的查壳工具，绿色免安装，支持文件拖放。可添加到右键菜单、可加载插件。支持多国语言，支持 Windows，Mac，Linux 系统，支持自定义插件，支持脚本编写与定义，支持多种皮肤选择等。

用户选择一个颜色像素，并选择包含相似颜色的区域。 检测基本形状（圆形、三角形和矩形）。 bwconncomp 用于查找连通分量，而 regionprops 用于测量形状属性。 使用圆度检测圆矩形和三角形被检测到计数封闭边界边缘即输入必须是rgb且具有高分辨率，否则可能会检测到错误的边缘。

fall-detect-track项目的模型权重

行为识别：基于骨架和目标跟踪的行人跌倒检测

原创 优质吸烟数据5000张/近一万框 检测 yolov5 yolox rcnn 附教学文章与代码和优化技巧 cv君训练教程与数据：https://blog.csdn.net/qq_46098574/article/details/107334954； cv君优化技巧与进阶：https://blog.csdn.net/qq_46098574/article/details/109702222； cv君公众号：DeepAI 视界 微信：zxx17800844581z 备注下载资源 欢迎加我进深度技术交流群

文章《JavaCV的摄像头实战之十二：性别与年龄检测》中的代码用到的文件，包括：人脸检测模型、性别检测配置和模型、年龄检测的配置和模型

社区发现 使用属性和结构相似性进行社区检测。 安装： pip install community_detect 依存关系： NetworkX Matplotlib 用法： Import: from community_detect import Community 初始化： com = Community(alpha_weight = 0.5) #You can add your own value for Alpha 职能： Main method: get_communities(Graph, #Your Graph Vertices, #List of Vertices Similarity Matrix, #Similarity

车辆检测代码，一种基于光流法的车辆检测方法，用于车辆检测

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

检测条码 检测图像上的条形码 目录 - 关于项目 该项目旨在检测条形码并扫描条形码，并为检测到的条形码检测物体。 该代码在Jupyter Notebook中以python语言执行。 有关项目的详细说明 首先安装必要的库。 import numpy as np -NumPy进行数值处理 import argparse用于解析命令行参数 import imutils使基本图像处理功能（例如平移，旋转，调整大小，构图，显示Matplotlib图像，分类轮廓，检测边缘）更加容易 import cv2 -OpenCV。 将读取/加载图像并将其转换为灰度图像。 image = cv2.imread(args["image"]) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 使用OpenCV函数Sobel（）从图像中计算导数，并使用OpenCV函数S