花了大概三四天写的程序，里面有个ImageAreaLearnToSetDlg文件，VC写的用鼠标按键响应选取图像或视频里面的矩形区域特征，即选取需要检测的特征，onLbuttonDown

matlab图像分割肿瘤代码从脑MRI matlab检测肿瘤 从这里获取代码： 从这里观看代码： 该代码使用非常清晰的GUI读取matlab上的MRI脑部扫描（.mha文件），可以非常好地显示所有3D扫描。另一种选择是直接图像文件，然后处理MRI脑部图像以检测是否存在肿瘤如果确实存在，则通过机器学习将该肿瘤分类为良性或恶性。 图像处理包括图像分割和其他图像增强，而机器学习包括SVM模型，该项目还具有用于构建模型的训练集 该代码在GUI（用户友好）中实现，以便于将程序与3D模型配合使用，以实现大脑的最佳可见性。 与我联系：电子邮件：我所有代码的列表： 直接在freelancer上雇用我： MRI脑图像，matlab，gui，图像处理，图像分割，机器学习，SVM钙化，脑肿瘤，良性，恶性，

using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

hand_inference_graph of using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

hand_inference_graph of using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

hand_inference_graph of using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

人体跌倒检测与追踪 使用Tiny-YOLO oneclass检测帧中的每个人，并使用获取骨骼姿势，然后使用模型从每个人跟踪的每30帧中预测动作。 现在支持7种动作：站立，行走，坐着，躺下，站起来，坐下，跌倒。 先决条件 Python> 3.6 火炬> 1.3.1 原始测试运行在：i7-8750H CPU @ 2.20GHz x12，GeForce RTX 2070 8GB，CUDA 10.2 数据 该项目已经训练了一个新的Tiny-YOLO oneclass模型，以仅检测人的物体并减小模型的大小。 使用旋转增强的人员关键点数据集进行训练，以在各种角度姿势中更可靠地检测人员。 对于动作识别，使用来自跌倒检测数据集（，家庭）的数据，通过AlphaPose提取骨骼姿势，并手动标记每个动作帧，以训练ST-GCN模型。 预训练模型 Tiny-YOLO oneclass- ， SPPE