道路交通标识牌检测/Pythhon/目标检测

点云深度学习经典论文，因为要对这篇论文的代码进行应用，所以翻译了一下，排版是按照原文格式来的，英语一般翻译的不好请见谅。

头盔检测_面部识别 一个建筑工地，头盔矿工，电工，建筑工人等类型的要求在工作中佩戴，可以有效地保护人员的安全，但是由于一系列不戴头盔的事故而引起的，给我们打了个电话，一些员工在工作本身没有戴头盔的情况下会增加安全风险，请稍加注意，以便有可能“发现”安全风险或事故。因此，在我们的项目中，将计算戴头盔的人数，不戴头盔的人数建议戴上必要的头盔。摄像机会检测到头部的数量，没有头盔的头部会标有红色斑点，并且还会检测到头盔，手套和鞋子，如果不戴，则这些部位也会显示为：红点。

FaceAPI 笔记 这是使用最新的TensorFlow / JS更新的face-api.js ，因为原始的face-api.js与tfjs 2.0+不兼容。 从2020年3月22日发布的版本0.22.2分叉 当前基于TensorFlow/JS 3.2.0 为什么？ 因为我需要不会与我在项目中使用的较新的TFJS 2.0版本冲突的Face-API 由于原始的Face-API是开源的，因此我也发布了此版本 不幸的是，对于原始的Face-API而言，对于简单的拉取请求而言，更改最终变得太大了，并且最终变成了完整的版本 差异性 与TensorFlow/JS 2.0+ & 3.0+兼容 与WebGL ， CPU和WASM TFJS浏览器后端兼容 与tfjs-node和tfjs-node-gpu兼容TFJS NodeJS后端 将所有用于TypeScript类型检查的类型转换更新为TypeScri

Matlab-Flame-detection:本设计为基于MATLAB的火焰烟雾检测系统。

行人检测与距离预测 （pedestrian detection and social distance prediction） 代码、模型、DEMO视频

本书全面而详细地介绍蜜罐技术的概念、分类及应用，及低交互蜜罐、高交互蜜罐、混合蜜罐以及客户端蜜罐的实现机理与部署应用方式；结合具体的工具，尤其是开源工具，阐述各类蜜罐的建立、配置和应用；介绍蜜罐在恶意软件捕获、僵尸网络追踪中的应用；通过案例分析，结合实际讨论蜜罐的作用与应用效果。此外，本书还介绍了攻击者识别蜜罐的方法。上述内容有利于我们了解恶意软件、僵尸网络的工作机理和过程，有助于理解蜜罐技术在网络防御中的作用，把握与敌手对抗过程中使用蜜罐的优势与不足，为我们构建坚实的主动网络防御系统提供非常有益的指南。 不论是对网络安全研究者来讲，还是对于网络安全管理者来讲；不论是对网络安全感兴趣准备涉足这一领域的初学者，还是对长期从事网络安全管理工作的资深工程师，本书确实是一部难得的宝典。

基于稀疏描述子的烟雾模型建立与查找，Smoke-Detection-Matting-Methods-master

:rocket:如果有帮助，请单击星号！ :star: Ncnn在移动设备上的部署，支持：相机上的YOLOv5s，YOLOv4-tiny，MobileNetV2-YOLOv3-nano，简单姿势，Yolact，ChineseOCR-lite，ENet，Landmark106，DBFace，MBNv2-FCN和MBNv3-Seg-small。 iOS： Xcode 11.5 macOS 10.15.4 iPhone 6sp 13.5.1 安卓： Android Studio 4.0 Win10 1909年 魅族16x 8.1.0（CPU：高通710 GPU：Adreno 616） Android已添加了权限请求，但如果仍然崩溃，请手动确认是否允许相关权限。 的iOS Select the model to be tested directly on the interface. 安卓 Selec

一种非常快速和稳定的天空背景下红外弱小目标检测方法，执行速度远超目前的state-of-the-art方法。内含代码和示例，只需修改路径即可使用