cuda 编程--图像边缘检测的实现

YOLOv5框架，将源码进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；检测部分，从检测参数设置（支持实时设置置信度和IOU等）、数据选择（支持图片、视频和多种摄像头）到结果显示。全部实现界面开发和多线程调度处理。

MFC下用VC编的canny 边缘检测程序，自己测试过，能成功运行

通过yolov5实现火焰、烟雾识别或者检测： 1.如果需要训练数据集，可在我的资源列表中查找 并下载 2.内附数据集转换demo，可实现将json转换为yolo需要的.txt格式 3.内附整个训练过程中需要修改的文件及步骤相关的详细教程 4.本项目存放了我已经训练好的权重，可以直接进行预测 5.如有其他需要，可直接与我联系 本项目适合刚入门目标检测的小白、学生和研究员，直接下载可用，保姆级教程，感觉好的话欢迎点赞支持昂！

基于简单高斯模型的肤色检测 阈值分割采用了OTSU方法 opencv 1.0和2.2都编译通过

基于Haar特征与AdaBoost算法的人脸检测的实现

针对单一沙箱检测模式较为固定、易被恶意样本逃逸的问题，分析了当前恶意软件沙箱逃逸典型技术，提出了一种恶意样本逃逸行为检测框架。对恶意样本在不同层次的沙箱以及真实环境中生成的文件操作、网络通信、进程操作、注册表操作等行为进行记录，进行特征筛选以及标准化处理，通过Jaccard相似度算法来比较行为之间的相似度差异，进行层次划分并判定恶意样本逃逸行为。实验结果显示，整体准确率为95.6%，检出率为90.1%，同时误报率低于5%，可以检测多种已知和未知逃逸行为，通过进一步分析可定位到样本具体逃逸行为。

该课题为基于Matlab的水果分级系统。水果厂商为了利润最大化，往往需要将出厂的苹果在销售之前进行分等级包装。以实现利润的最大化。整个设计流程为设计一套传送带的流水线。将每一个水果放到传送带传送带，送到某一个扫描仪的下方。对水果进行俯视的扫描。采集图像的面积，圆形，度色泽等多个参数。进行等级的分类。该设计仅仅实现软件部分。带有一个人机交互界面。可以在界面上面进行参数等级的输入。从而实现水果的等级分类，分为一等品，二等品和三等品。

基于C++_opencv_dnn实现实时离线视频进行推理和运算

具有共同注意和共同激励的一站式目标检测 介绍 谢婷一，罗以晨，陈焕宗，刘廷- 神经信息处理系统（NeurIPS），2019年， 该项目是One-Shot Object Detection的纯pytorch实现。 大多数代码是从。 我们正在做和将要做的 支持tensorboardX 上载ImageNet预训练模型。 提供参考图片。 提供检查点模型。 训练PASCAL_VOC数据集 准备 首先，克隆代码 git clone https://github.com/timy90022/One-Shot-Object-Detection.git 1.先决条件 Ubuntu 16.04 Python或3.6 火炬1.0 2.数据准备 可可：也请按照中的说明准备数据。 请参阅此存储库中提供的脚本。 3.预训练模型 我们在实验中使用ResNet50作为预训练模型。 通过排除所有与COCO