行人跌倒数据集（VOC格式）

吸烟检测数据集-监控视角，VOC格式，XML标注文件

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

matlab开发-vtkwriteexportsvarious2d3ddatatoparaviewinvtkfile格式。将二维/三维图像体积、向量场、曲面、直线、多边形等导出到副视图

机器视觉在工业当中的应用一直是研究的热点,流水线上不同类别工件的分类抓取技术在工业生产中有较高的需求,因此,本文运用机器视觉技术构建了一个运动工件分拣系统.系统中图像处理和工件识别算法的开发是基于LabVIEW的视觉开发模块,用EPSON SCARA-G6机械臂完成工件抓取任务,机械臂的运动控制算法在EPSON的RC+5.0环境下编程实现.运动工件的位置检测采用了背景差分法,背景的实时更新使该方法

yolov5源码阅读 1.代码结构阅读 2.代码功能阅读 3.代码细节的思考与修改 4.代码实现功能验证

基于对现有图割算法的研究，本文进一步设计了基于自适应分水岭算法并且使用非参数深度平滑模型来建立图割的能量方程的立体匹配方法。提出了新的自适应局部阈值方法，并将其应用于分水岭结合Prim算法的区域融合中。该方法选取相同亮度的像素当作同一个特征矢量形成像素组层，这样两幅或多幅图像的匹配可以在特征区域像素组层来计算，大大减少了数据量。在最小化能量方程时，基于像素组层优化现有的α-扩展算法，降低运行时间。实验结果表明：通过Middlebury测试平台对算法定量评估得出在所有区域误匹配、非遮挡区域以及深度不连续区域的误匹配率都控制在8.5%以内，在Middlebury测试平台135组数据中排名第19位。

项目介绍： 要求： 数目检测和昆虫种类识别 项目进度 2017/4/8---------二值化 2017/4/9---------图片中昆虫虫体计数 2017/4/22-------PyQt 和 OpenCV_VideoFrame 结合做出基本界面 摄像头 Frame 中检测虫体数目，并在界面中显示标出 学习昆虫图像特征的提取，参考论文中提出的几个特征量 提取特征量并进行保存 按照神经网络方法搭建训练模型 搭建了线性 SVM 分类训练器 将特征提取和 UI 界面建立连接，实现拍照和预测判断一体 机器学习训练算法（参考 Python 机器学习） LogisticRegression SGDClassfier 还没有尝试 LinearSVM 朴素贝叶斯(文本分类，不用) K 邻近（分类） 决策树，不用 集成模型，不用 文件介绍 用户界面 MainWindow.ui-----------------------PyQtDesigner 设计的主界面文件 MainWindow.py----------------------PyUIC 转换而成的主界面程序 运行逻辑 VideoMainWin

hog的代码matlab

ARM下编译的opencv库