一本很不错的信号检测与估计的书。当初打来，是因为其中关于时间估计的克拉美-罗界的说明，讲得很好。

一款基于HAAR分类的手势识别代码，作者已经打包为VS2010可直接运行的SLN了，基于OPENCV2.4.3可直接运行。注意修改你的库文件地址，默认为D:/OPENCV

Kaggle 癫痫检测挑战 解决方案。 卷积神经网络以一种糟糕的方式应用于原始 EEG 数据：来自不同通道的特征仅在隐藏层中组合。 描述了更好的解决方案。

KittiBox KittiBox是用于在Kitti上训练模型FastBox的脚本的集合。 有关Fastbox的详细说明，请参见我们的。 FastBox旨在以很高的推理速度存档高检测性能。 在Kitti数据上，该模型的吞吐量为28 fps（36毫秒），是FasterRCNN的两倍以上。 尽管FastBox速度惊人，但其性能却明显优于Faster-RCNN。 任务 中等 简单 硬 速度（毫秒） 速度（fps） 快速盒 86.45％ 92.80％ 67.59％ 35.75毫秒 27.97 更快的RCNN 78.42％ 91.62％ 66.85％ 78.30毫秒 12.77

离群检测在许多应用领域中显示出越来越高的实用价值，例如入侵检测，欺诈检测，电子商务中犯罪活动的发现等。 已经开发出许多用于离群值检测的技术，包括基于分布的离群值检测算法，基于深度的离群值检测算法，基于距离的离群值检测算法，基于密度的离群值检测算法和基于聚类的离群值检测。 频谱聚类作为近年来出现的竞争性聚类算法备受关注。 但是，它不能很好地扩展到现代大型数据集。 为了部分规避此缺点，在本文中，我们提出了一种受谱聚类启发的新的异常值检测方法。 我们的算法结合了kNN的概念和频谱聚类技术，通过在特征空间中统计地使用特征值和特征向量的信息，获得异常数据作为离群值。 我们将我们的方法与基于距离的离群值检测方法和基于密度的离群值检测方法的性能进行比较。 实验结果表明，我们的算法可以有效地识别异常值。

BB-SVM模型用于论文数据集的自动人格检测（大五人格标记特征） 该存储库包含基于BERT模型的Bagging SVM，用于对Essays数据集进行分类。 安装 有关可以通过以下方式安装的相关软件包的列表，请参阅requirements.txt。 pip -r requirements.txt 本文使用指定的版本。 请注意，需求模块的更新版本可能会更改结果。 一些实验证明，更新的sklearn可以提高准确性。 但是，还请检查按需要求（例如，要求1.10 3.8

Eye-closure-detection-EAR Eye closure detection based on EAR 基于人眼纵横比计算的人眼闭合检测算法 原理 PDlib是基于现代C++的通用多平台框架，在机器学习和图像处理领域提供了一系列相关功能 它在人脸检测中，将人脸视为可分的68个数据点，部分人脸数据可根据这些数据点进行检测 Tereza Soukupová于2016年发表的一篇名为Eye blink detection using facial landmarks的文章中 基于实际数据集使用面部关键点检测器作为输入，提出了简单有效的眨眼检测眨眼算法 通过定位眼睛和眼睑的轮廓得出眼睛的长宽比（Eye Aspect Ratio，EAR），用于估计睁眼状态 将访问到的左眼数据[43，48]进行编号 分别对应[p1,p6]得出公式： 在睁眼状态时EAR通常保持恒定，而闭眼时EAR趋近

使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型） 实验目的 使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型） 任务列表： • 行人识别 • 人脸识别 • 交通灯识别 • 实时检测（平均 FPS>15） • 使用 tflite 将模型移植到嵌入式设备

聚类马氏距离代码MATLAB 变化检测 从流数据进行更改检测 这是用于流数据更改检测的MATLAB方法和代码的集合。 SPLL以以下方式运行： 给出了两个数据窗口作为输入参数。 窗口W1是一个矩阵N1-by-n，并包含由n个要素描述的N1个对象。 窗口W2是一个矩阵N2-by-n，包含由n个要素描述的N2个对象。 输入参数K确定在每个窗口中将搜索多少个群集（默认值为3）。 使用k-means（MATLAB统计工具箱）将每个窗口中的数据聚类为K个聚类。 计算W1中群集的协方差矩阵，并计算加权平均协方差矩阵S。 给定群集的权重与分配给该群集的对象数成正比。 根据具有协方差矩阵S的马氏距离，将W2中的每个对象分配给具有最均值的聚类。所有这些距离的平均值给出了SPLL标准的第一部分SPLL1。 第二部分SPLL2以相同的方式计算，但是窗口W1和W2被交换了。 最后，SPLL = max（SPLL1，SPLL2）。 使用卡方分布计算p值，如果p <0.05，则标记变化。 资料来源：Kuncheva LI，使用似然检测器的流式多变量数据的变化检测，IEEE知识和数据工程学报，2013,25（5），

基于Visual Transformer的年龄估计 尝试Visual Transformer的有趣项目，花了几天时间。 自动化的年龄和性别估算在许多应用中变得至关重要。 有多种方法可以根据人的声音，面部特征和姿势来预测年龄和性别。 在本文中，将研究基于图像的方法。 该方法需要人脸的二维图像。 这种方法的挑战性问题是，在不受限制的环境中对脸部进行实验时，其性能会大大降低。 另一个问题是基于个人生活方式，遗传和环境的老龄化差异。 简单地说，不同的人年龄不同。 另一个挑战是生物年龄和表观年龄之间的区别。 基于面部图像的方法有两种。 第一个是手工进行的特征提取和分类，第二个使用深度神经网络。 在我们的论文中，我们还提出了用于年龄估计的视觉转换器。 它是最早提出用于面部任务的视觉转换器之一，因此没有预训练的模型。 但是，我们仍然设法在低数据环境中取得一些成果。 未来的步骤将是在较大的面部数据集上对