该课题为基于Matlab的口罩识别系统。口罩识别系统呢，是在疫情之后新兴起的一个课题。全网属于可参考资料并不多。本课题为基于颜色加形态学的算法。需要先进行人脸检测，因为口罩是穿戴在脸部的，并不是在手臂或者是胸部等部位。本设计具备有人机交互界面，需要进行相应的拓展。
2021-11-21 12:03:37
1.85MB
1
基于matlab的口罩识别。该课题是自从疫情后的新兴课题，属于比较新颖的题目，所研究的现状，文献等比较少，都是基于其他课题的改造，结合。本设计中就是利用了人脸检测以及形态学等知识的结合。该课题中，先进行人脸定位，将人脸区域单独分割出来，然后利用口罩在颜色上过度平缓的特点进行定位，结合形态学去除干扰，得到结果，判别是否穿戴口罩。是一个孵化类课题。
2021-11-17 08:58:14
382KB
1
vs2015+opencv3.4.0+opencv_contrib_3.4.0，用sift提取特征，用kmeas形成词汇表（bow)，用svm进行分类。 正确率82%左右。
2021-11-14 16:50:00
1022KB
1
matlab口罩识别代码引用自
MaskTrack
蒙版跟踪
这是视频对象分割中最先进的方法的基线，例如和[用于多对象跟踪的清醒数据梦想]
()。
中排名前三的方法基于
MaskTrack
方法。
但是，没有可用于
MaskTrack
方法的开源代码。
这里我提供了
MaskTrack
方法，其规格如下：
该代码在
DAVIS
2017
测试开发数据集上给出了
0.466
的分数。
J
均值是
0.440，F
均值是
0.492。
该代码处理
DAVIS
2017
中存在的多个对象。
还包括用于在
DAVIS
17
train+val
上进行离线训练和在
DAVIS
17
test
上进行在线训练的
matlab
中的数据生成代码。
因此，所有代码都打包在一起。
入门
用于测试的机器配置：
两块“GeForce
GTX
1080
Ti”卡，每块
11GB
内存。
CPU
RAM
内存
32
GB（虽然只需要大约
11
GB）
离线训练是在
DAVIS
2017
训练数据上完成的。
在线训练和测试在
DAVIS
2017
测试数据集上完成。
我建议使用
conda
来下载和管理环境。
下
2021-10-19 23:06:32
150KB
1
基于MATLAB的口罩检测。因为口罩是穿戴于脸部，因此先进行人脸定位，分割，再进行口罩检测。口罩是疫情过后新起的课题，因为课题具有新颖性质，参考资料等相对比较少。
2021-10-13 18:16:57
1.54MB
1
matlab口罩识别代码openreview_lungtumouriclr2018
COMP
551
最终项目：从
ICLR
2018
中复制一篇论文。
JVZ
团队
以下存储库包含用于重现
ICLR
2018
年会议提交结果的代码：肺肿瘤定位和使用
ALEXNET
和自定义
CNN
进行识别
dicom2png.m
：将原始下载的
LIDC-IDRI
数据集转换为
PNG
图像的文件夹，按患者
ID
排序，并使用每个切片的
SOP
ID
进行重命名。
convertLabels.m
：将数据集中的
xml
标签转换为
Matlab
Map
对象，通过其
SOP
对每个切片进行索引，并包括标记为结节的每个像素的矩阵。
然后脚本为每个切片创建相应的图像掩码，其中
0
对应于良性组织，1
对应于标记的结节。
此脚本利用
Wouter
Falkena
的
xml2struct
实现（请参阅包含的许可证文件）。
像素标签结果保存为
pixelmap.mat。
buildDatastore.m
：构建一个数据存储对象，索引
PNG
文件夹中的所有切片，并使用由
convertLabels.m
生
2021-10-08 14:04:37
54.59MB
1
课程演示环境：Windows10；CUDA10.2; cuDNN 7.6.5; Python 3.7; Visual Studio 2019; OpenCV3.4需要学习Ubuntu系统YOLOv4的同学请前往《YOLOv4目标检测实战：人脸口罩佩戴检测》
课程链接：https://edu.csdn.net/course/detail/28860
当前，人脸口罩佩戴检测是急需的应用，而YOLOv4是新推出的强悍的目标检测技术。本课程使用YOLOv4实现人脸口罩佩戴的实时检测。课程提供超万张已标注人脸口罩数据集。训练后的YOLOv4可对真实场景下人脸口罩佩戴进行高精度地实时检测。
本课程会讲述本项目超万张人脸口罩数据集的制作方法，包括使用labelImg标注工具标注以及如何使用Python代码对第三方数据集进行修复和清洗。
本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做人脸口罩佩戴检测项目演示。具体项目过程包括：安装YOLOv4、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。
2021-09-01 12:13:43
11.95MB
1