该课题为基于Matlab的火灾检测系统。火灾检测系统分为两个部分，一个部分是烟雾检测，一个部分是火焰检测。烟雾检测的原理是通过边缘检测的方法。活验检测的方法是根据颜色加形态学的方法。带有一个人机交互界面。主界面调用两个子界面。适合具备有一定编程基础的人员学习。

xalan java源码该存储库提供了在我们的 PLDI 2020 论文 #228 SmartTrack：高效预测竞速检测中评估的 SmartTrack 工具的源代码。 SmartTrack 工具代表了我们将时代和所有权优化 (FTO) 和 CCS 优化 (SmartTrack) 应用于未优化预测分析 WCP、DC 和新引入的 WDC 的贡献。 SmartTrack 优化的预测分析实现了与广泛使用的 HB 分析相比具有竞争力的性能，该分析报告了 HB 分析无法找到的难以检测的比赛。 通过提供不同的覆盖范围 - 健全性权衡，基于 SmartTrack 的分析可以利用报告新的预测竞争和更好的性能来检测实践中的少数（如果有的话）错误竞争，这表明预测分析有可能成为检测数据竞争的主流方法，替代HB分析。 有关更多详细信息，请参阅随附的论文：SmartTrack：高效的预测性竞赛检测 设置 克隆存储库并构建源代码。 $ git clone https://github.com/PLaSSticity/SmartTrack-pldi20.git $ cd ~/SmartTrack-pldi20 $

iOS平台下面，使用OpenCV开源库，实现了一个人脸检测的功能。pod管理第三方库，所以下载加压后需要在终端执行，‘pod install’命令。

工具：Modelsim SE 10.4； Verilog实现Sobel算子边缘检测，内附操作流程文档。

重新实现CRAFT-字符区域感知以进行文本检测 客观的 复制论文提到的弱监督培训 在所有流行的数据集上生成字符bbox。 使用命令行界面公开经过预训练的模型，以在自定义图像上合成结果 克隆存储库 git clone https://github.com/autonise/CRAFT-Remade.git cd CRAFT-Remade 选项1：Conda环境安装 conda env create -f environment.yml conda activate craft 选项2：Pip安装 pip install -r requirements.txt 在自定义图像上运行 将图像放在文件夹中。 从预先训练的模型列表中获取预先训练的模型（当前仅可使用SYNTH-Text进行严格监督） 运行命令- python main.py synthesize --model=./mo

用opencv框架实现的基于SSD的目标检测，c++语言版，里面有下载好的SSD模型，有测试图片，运行环境是VS2017+opencv4.0

该方 法基 于 自适 应子带谱熵的方法, 引入正常量 K, 计算 负熵, 然而噪 声的负 熵减少要比语音的 负熵 减小 的明显, 同 时, 各种 噪声的 负熵 很接近, 这样就增强了语音与噪声的区分度

本科毕业论文中的角点检测 包含moravec、harris、Nobel、Shi-tomasi角点检测算法 包含拟合亚像素角点、向量点乘亚像素角点算法 此外还有矩阵的通常运算加减乘除、求逆等 程序采用opencv+Qt5 GUI

当水位H低于L时，则利用水泵进行补水并进行报警。当水位H高于M时关闭水泵并进行报警，不进行补水，当H大于L小于M时，不进行任何处理。水泵由继电器控制

本项目用Yolov4实现传统目标检测，Yolov5实现车牌检测，可以一起呈现，需要的老板联系。