tensorflow人工智能demo 可以检测人脸 和抽烟打电话 车道线 骨架识别 行为识别

针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。

• 这是一个基于spring boot + opencv 实现的项目 • 贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点 • 以学习交流为目的，代码注释超多，文档也在逐步完善 • java语言的深度学习项目，在整个开源社区来说都相对较少；拥有完整的训练、检测、识别过程的开源项目更是少之又少！！ • 本人目前也正在学习图片识别相关技术，代码及文档持续更新中，大牛请绕路 包含功能 • 蓝、绿、黄车牌检测及车牌号码识别 • 网上常见的轮廓提取车牌算法JAVA实现 • hsv色彩分割提取车牌算法JAVA实现 • harrcascade特征识别算法 JAVA实现 • 基于svm算法的车牌检测训练JAVA实现 • 基于ann算法的车牌号码识别训练JAVA实现 • 人脸检测 接下来将实现人脸识别 • 图片工具: 目前实现了HSV色彩切割，后续将添加更多使用的图片处理工具，用于辅助算法优化 • 证件文字识别

MCS模式识别

低质量人脸数据集中的识别具有挑战性，因为面部属性被遮挡和退化。基于边缘的损失函数的进步导致了嵌入空间中人脸的可辨别性增强。此外，先前的研究已经研究了自适应损失对错误分类（硬）示例赋予更多重要性的影响。在这项工作中，我们在损失函数中引入了自适应性的另一个方面，即图像质量。我们认为强调错误分类样本的策略应该根据它们的图像质量进行调整。具体来说，简单或困难样本的相对重要性应基于样本的图像质量。我们提出了一种新的损失函数，它根据图像质量强调不同难度的样本。我们的方法通过使用特征规范来近似图像质量，以自适应边缘函数的形式实现了这一点。大量实验表明，我们的方法 AdaFace 在四个数据集（IJB-B、IJB-C、IJB-S 和 TinyFace）上的人脸识别性能优于最先进的 (SoTA)。

多摄像机人员跟踪和重新识别（使用视频） 用于“检测/跟踪”和“重新识别”不同摄像机/视频中的个人的简单模型。 介绍 该项目旨在跟踪不同角度的视频中的人。 用于完成此任务的框架分别依靠MOT和ReID来跟踪和重新标识人类的ID。 可以使用YOLO_v3或YOLO_v4来完成跟踪，并且ReID依赖于KaiyangZhou的Torchreid库。 安装 如果您的计算机上未安装 ，请下载 克隆存储库 git clone https : // github . com / samihormi / Multi - Camera - Person - Tracking - and - Re - Identification 创建项目环境 cd Multi - Camera - Person - Tracking - and - Re - Identification conda create

辛帕尔 一般的 CimPal是由gridDigIt发布并在或更高版本下获得许可的开源Java应用程序。 该应用程序基于Apache Jena（Apache许可证v2.0），TopBraid SHACL API（Apache许可证v2.0）和JAVAFX（GPLv2 + CE许可证）。 CimPal通过提供工具简化与SHACL约束有关的工作以及识别不同版本的CIM之间的更改来帮助CIM实施。 当前，以下功能受支持或正在开发中： -从RDFS转换为SHACL -从Excel模板导出SHACL约束（不是完整范围） -执行RDFS比较-在Excel中导出RDFS描述和基数-生成数据类型映射-RDF转换–不同RDF序列化之间的转换-实例数据比较（在原型版本中） gridDigIt旨在为CimPal提供支持和进一步的增强。 请通过在存储库中提交问题，通过支持电子邮件或在GitHub中解决任何请

MATLAB疲劳检测（眼部识别，可做眼部，打哈欠，偏头等，构架）设计 (13)设计

UCI Folio Leaf 是不同种类树叶的图片数据集，包含 32 中不同的树叶种类，每类 20 张左右的图像。