人工智能_YOLOv3_行人重识别_利用YOLOv3结合行人重识别模型，实现行人的检测识别，查找特定行人 YOLO是直接采用原来的权重文件，并且还支持YOLO-spp. 行人重识别采用了Market1501、CUHK03和MSMT17三个数据集大概十七万张图片进行联合训练的，泛化性能更好。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真模型及运行结果

能零售结算系统，其目的旨在于利用计算机视觉领域中国的图像识别及目标检测技术，精准地对顾客购买的商品进行智能化、自动化的价格结算。当顾客将自己选购的商品放置在制定区域的时候，一个理想的智能零售结算系统应当能够精准地识别每一个商品，并且能够返回完整地购物清单及顾客应付的实际商品总价格。 本数据集采用VOC格式，符合大多深度学习开发套件对数据集格式的要求，可满足paddlex或PaddleDetection的训练要求。本数据集总数据量为5422张，且所有图片均已标注，共有113类商品。本数据集以对数据集进行划分，其中训练集3796张、验证集1084张、测试集542张。

基于retina神经网络实现车牌检测，使用ppocr进行车牌号识别。识别准确率99%。

沥青路面图像噪声污染多,随机性较强。针对传统路面图像在进行滤波、边缘检测等裂缝识别过程中,不能较好地识别裂缝信息且存在大量类似于裂缝的噪声污染问题,基于matlab的路面裂缝检测识别系统设计，灰度处理，路面图像增强，路面图像分割，图像分割预处理，阈值分割;形态学处理:膨胀+腐蚀，路面裂缝分类，特征提取，路面裂缝参数计算，图像滤波（均值滤波，中值滤波），图像二值化，GUI设计，代码亲测可用，有很高的参考价值

基于wxpython+MySQL--实现人脸检测识别的宿舍人脸检测系统实现代码

强噪声背景下莫尔斯信号的自动检测与识别

卷积神经网络是解决视觉分类问题的最佳工具 卷积神经网络通过学习模块化模式和概念的层次结构来表示视觉世界 卷积神经网络学到的表示很容易可视化，卷积神经网络不是黑盒 可以将卷积神经网络学到的过滤器可视化，也可以将类激活热力图可视化。 本人上课课件，主要是图像识别的内容，主要有3个识别项目

基于Android Things HyperLPR实现的车牌检测识别

该课题为基于matlab的运动汽车跟踪系统。读录视频，进行视频分帧，提取背景，框定运动目标。计算运动目标的数量，速度车道，车流密度等等信息带有人机交互界面框架，适合具备一定编程基础的人员学习。