猫脸目标检测：猫脸图片集+训练模型（python 和 C++）+ 运行方法。链接：https://pan.baidu.com/s/1Z0BOnXTtAFPQSg3Fb1LMrg 提取码：

IHS图像融合算法、PCA图像融合、离散小波变换融合算法和高低频不同处理的小波变换算法以及5种评价指标，其中包含示例遥感影像和代码注释。

下载后解压源码，pip install -r requirement.txt，安装所需python依赖，然后直接python detect.py运行程序，输入源可以设定为webcam、图片、视频、文件夹、网络视频、rtsp视频流等，权重文件使用yolov5s.pt效果最好。代码在windows和ubuntu18.04下都进行了充分测试，完美运行。

yolov5、rcnn、alexnet、densenet，只要你的网络调用相机延迟严重，都可以使用tensorrt抓换模型，进行加速推理，在FPS很高的情况下也能实时处理获取的帧。

VOC2012数据集中提取的人、车，用与yolo系列的目标检测，包含图片和标注文件xml。

已在ubuntu上跑通，按照代码中结构调试即可。目标检测代码在research下的object_detection

在电力线数字通信信号识别研究中，针对电力线通信强噪声干扰和识别器算法复杂的现状，设计了一种算法简单、计算量小的信号识别器。在输入噪声为背景噪声的条件下，通过小波变换的方法提取电力线数字通信信号的特征值，由统计识别模式得到最优识别阈值，将阈值和信号的特征值进行比较，最终识别信号的调制类型。仿真结果表明，当信噪比为5 dB时，类间和类内的正确识别率分别达到93%和95%。

介绍博客：https://yuan425.blog.csdn.net/article/details/124563016 演示视频：https://www.bilibili.com/video/BV1HB4y1q7QP?vd_source=6ed4c579f90a4760d784c8d82371fc01 本小组开发了一款基于深度学习、计算机视觉的，提供了一套智能的教室控制供电改良方案，以期在一定程度上解决本校教室用电铺张浪费的现象。本文主要介绍其整体架构及具体页面显示部分的相关内容。 本系统具备以下基本特性： ① 获取指定视频流数据【包括文件流与实时视频流】； ② 对画面内人数进行实时计算与统计； ③ 对人数信息与统计数据进行可视化计算。

提出了一种在非视距（NLOS）环境下对移动台的定位算法。首先利用小波分析对AOA的测量值中的NLOS进行修正，再利用最小二乘（LS）算法确定移动台的位置。仿真结果表明，该算法能够有效地降低非视距环境误差的影响，性能优于基于AOA的LS算法以及神经网络算法。

写脚本自动生成目标检测和实例分割的训练数据，帮忙图像方面项目，python写的，根据自己的需求可以修改，包括一些图像的增强操作，旋转膨胀腐蚀等