matlab人头检测的代码精神病 注意：此python代码可以运行，但是由于多种原因（特定于Python的问题和特定于MNE的问题），它不是最佳的。 我们已经在Matlab中实现了它，效果更好： 用于对来自eeg-fmri实验的eeg数据进行去噪并融合eeg-fmri数据的Python代码。 全自动管道，用于清除扫描仪内部采集的原始EEG数据。 程序包按顺序执行以下操作： 梯度伪影去除 心电图伪影去除 将来可能会添加以下功能： 使用ICA消除残留噪声 脑电运动检测和审查 清洁头皮空间信号的源定位 源空间与FMRI体素空间的共配准 每个体素中特定于频率的EEG-FMRI相关性 基于脑电图心动图伪影频率的时变心率 基于脑电图心电图伪影振幅的呼吸量 基于宽带高频EEG功率的毫秒级精确头部运动幅度 注意：由于开销较大，具有16 Gb RAM的计算机的最大EEG数据集为1.5Gb，这通常只会在梯度降噪步骤中出现问题 依赖项可以通过以下方式安装 cd eegfmripy python setup.py install 这些依赖性与mne-python（）相同。 安装后，您可以运行eegfmripy

创作不易，还请多多支持，有问题，也可以随时咨询我

基于CUHK行人检测数据集制作的人头数据集，7000+正样本 ，该数据集大小为60*60，可用于Hog特征提取，进一步用于训练人体分类模型用于监控系统中的行人检测。

快速精准的人头检测器

基于三个公开数据集亲手制作的总共29000+的人头数据集，可用于训练机器学习模型，或者对齐进行数据增广之后，用于训练自己的深度学习模型

在自建的数据集上训练yolov3准备（四）：将密集人头检测数据集brainwash标注转换成yolo标注，并用yolo_mark验证（附python脚本）-附件资源

人头统计 优化的代码 采用 OPENCV 霍夫 变换技术 计算轮廓，训练模型，非常好 修过 代码简洁 人头统计 优化的代码 采用 OPENCV 霍夫 变换技术 计算轮廓，训练模型，非常好 修过 代码简洁

这是一个人头检测器训练数据集、带xml标注信息，可用于yolo、TensorFlow等深度学习模型的训练数据集。仅供学习使用。如有侵权联系删除。谢谢

jpg格式 一万多张 20*20像素 训练人头样本库必备 jpg格式 一万多张 20*20像素 训练人头样本库必备

这是一个YOLOv4人头检测器训练数据集，是从https://github.com/pranoyr/head-detection-using-yolo网友分享中下载原数据集然后生成得yolov4支持得数据集。仅供学习使用。如有侵权联系删除。谢谢