本小组研究的课题是基于深度学习的图像识别，最终实现的是对海量图片数据的学习和准确的识别，不仅如此，我们测试了几种不同的分类模型，并比较预测结果，计算预测准确率，对预测方法进行优化，希望得到一种最高效的预测方法，从而实现真正的机器智能化识别。 本小组课设主要基于python开发环境下的scikit-learn标准库以及PIL图像处理库，并采用matplotlib实现最终结果的比对，PIL库用于图像的特征值批量读取，scikit-learn标准库用于分类模型的构建，matplotlib则用于显示最终结果。

matlab alexnet图像识别代码可见热力人员重新识别（交叉方式人员Re-ID） AAAI 2018和IJCAI 2018中的演示代码。 AAAI 18论文的框架：两阶段框架（特征学习+公制学习） IJCAI 18论文的框架：端到端学习 1.准备数据集。 可以通过提交版权表格从中下载RegDB数据集。 （其名称为“东国基于身体的人的识别数据库（DBPerson-Recog-DB1）”。） 2. AAAI中的两流CNN网络功能学习（TONE） 所有代码都在用Python编写的文件夹“ TONE /”中。 该演示代码已在Python 2.7和Tensorflow v0.11上进行了测试。 一种。 准备数据集和训练/测试列表，如TONE/dataset.py所示。 列表格式为image_path label 。 b。 下载预训练的alexnet模型并修改TONE/model.py 。 C。 运行python TONE/tone_train.py训练网络。 d。 运行python TONE/tone_eval.py评估学习的功能并提取功能以供以后的度量学习。 （您还可以修改脚本以获取不同

该代码的功能实现了对虹膜的分割操作，使用的训练样本图片包含在CASIA-Iris-Interval中，请在使用时更改interface.h里面的文件路径（BASE_DIR)到你下载CASIA-Iris-Interval的 路径上。 该代码因为 include 了 Windows.h 故只能在Windows环境下运行，同时代码中使用了C++11,14,17的语言标准，所以请在运行时在工程属性里设置语言标准为C++17或C ++最新标准，同时关掉SDL检查。另外的，因为代码大量的调用了opencv的库函数，所以运行时必须安装好opencv环境，配置好环境变量后方可运行。

使用python-Opencv，进行采集人脸数据，通过数据训练，再捕获摄像头每一帧人脸信息进行识别判断。 1.迭代收集图片路径与图片信息 2.haar采集每一张图片的人脸部分 3.图片信息通过标签编码处理 4.局部二值模式直方图创建人脸识别器 5.训练人脸识别器 6.摄像头采集每一帧人脸数据，做判断

验证码图像分割 图像去噪 图像识别 个人总结的

基于枸杞果实图像识别的枝条定位关键技术研究，严亚飞，徐海明，枸杞采摘机器人在采摘枸杞的过程中为了提高工作效率需要对枸杞枝条进行定位。通过枸杞果实和枝条的相伴生长关系，实现利用枸杞果

经过公司CTO的帮助,完成了基于Java语言实现的,相似图像识别，基于直方图比较算法,经过测算此算法优于基于图像指纹的哈希算法.千金难买好代码.

ocr.dll，常见验证码识别，易语言，内置init()以及ocr(a,b)的方法 a指byte数组，b是指数组长度。

videocap.

The Oxford-IIIT Pet Dataset是一个宠物图像数据集，包含37种宠物，每种宠物200张左右宠物图片，并同时包含宠物轮廓标注信息。