彩色图像的相似性比较算法

一、源码特点 JSP文本相似性比较系统是一套完善的web设计系统，对理解JSP java编程开发语言有帮助，系统具有完整的源代码和数据库，系统主要采用B/S模式开发,采用两种比较常见的文本检测对比方法 编辑距离 和 余弦定理。 二、功能介绍 随着网络技术的飞速发展，信息共享度不断升级，一方面为人们获取资料提供了方便，另一方面也为抄袭、剽窃、非法扩散等不道德行为提供了可剩之机。文本抄袭检测技术逐渐成为自然语言处理领域中一项重要的研究课题。我的课题主要是针对为了防止学生抄袭作业而编制软件，实现将两篇源程序（代码）进行比较，将内容相同或相似的部分显示出来，警醒学生别抄袭作业。 具体要求：为了防止学生抄袭作业、实验报告、课程设计中源程序（代码），编制软件，实现将两篇源程序（代码）进行比较，将内容相同或相似的部分显示出来，并得出结论。例如：对.txt,.c,.java,.cpp,.htm或.html等文本进行比较。突出计算机技术在防止作业抄袭的应用研究。 程序文本相似性比较内容包括四种类型，分别是完全相似的源代码、非连续的相似源代码、参数化相似源代码、近相似源代码。实现对.txt等文本进行比较的功能。 前台： （1）登录模块：用户登录，只能拥有判断文本是否抄袭的功能。 （2）注册模块：未注册的用户不能判断文本 。 （3）页面模块 1）简介模块：显示软件的基本功能模块。 2）判断模块：将两篇文本进行判断,将内容相同或相似的部分显示出来，并得出结论。 后台： （1）管理员登录：管理员具有相关权限，包括对用户、功能菜单和被比较文本的管理功能。 1）用户管理：管理员管理用户基本信息，涉及人员的身份认证，登录信息验证。 2）用户意见：及时处理用户提交的反馈意见，整理总结。 3）添加其他相关的功能。如记录用户搜索。 说明：系统采用两种比较常见的文本检测对比方法 编辑距离 和 余弦定理 三、注意事项 1、管理员账号：admin密码：admin 数据库配置文件DBO.java 2、开发环境为TOMCAT7.0,Myeclipse8.5开发，数据库为mysql5.0，使用java语言开发。 3、数据库文件名是jspfjiance，系统名称jiance 4、系统首页地址：login.jsp

Siamese：孪生神经网络在tf2（tensorflow2）当中的实现 目录 实现的内容 该仓库实现了孪生神经网络（Siamese network），该网络常常用于检测输入进来的两张图片的相似性。该仓库所使用的主干特征提取网络（backbone）为VGG16。 所需环境 tensorflow-gpu==2.2.0 注意事项 训练Omniglot数据集和训练自己的数据集可以采用两种不同的格式。需要注意格式的摆放噢！ 文件下载 训练所需的vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5可在百度网盘中下载。 链接: 提取码: 9ij5 我一共会提供两个权重，分别是vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5和Omniglot_vgg.h5。 其中: Omniglot_vgg.h5是Omni

提出了一种基于二维正交投影图像的三维模型相似性比较算法。首先计算三维模型的二维正交投影图像，然后提取二维正交投影图像的边缘轮廓夹角特征，并比较这些二维正交投影图像的相似性，最后通过二维正交投影图像的轮廓相似性来获取三维模型的相似性。实验验证了该算法的可行性，并且其对于三维模型检索所要求的平移、旋转和缩放不变性具有较好的鲁棒性。

本程序致力于解决识别图形形状的问题。对于本程序所涉及的图形形状相似性问题，本程序实现了五个基本要求： 1.对于任意两个图形的相似程度必须得出一个量化的结果，在此称为图形相似度。 2.对图形形状的检测必须忽略 大小、旋转、轴对称、连线顺序的影响。 3.对于相同的图形，形状相似度必须为1；对于不相同的图形，形状相似度必须小于1。 4.两个图形的形状相似度必须与其相似程度成严格单调性，即对于同一个基准图形，越相似的图形相似度越高，越不相似的图形相似度越低。 5.必须能在可接受的时间与空间耗费内求解出结果。 本程序可以求解出闭合图形或非闭合图形的相似度（或混合图形的相似度）。并在极低的空间和时间耗费水平上求解出结果。 本程序暂时最多可以检测有100个节点的矢量图形。对于使用到的参数和运算方法暂不提供详细说明。

Siamese：孪生神经网络在Keras当中的实现 目录 实现的内容 该仓库实现了孪生神经网络（Siamese network），该网络常常用于检测输入进来的两张图片的相似性。该仓库所使用的主干特征提取网络（backbone）为VGG16。 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 注意事项 训练Omniglot数据集和训练自己的数据集可以采用两种不同的格式。需要注意格式的摆放噢！ 文件下载 训练所需的vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5可在百度网盘中下载。 链接: 提取码: 17zy 我一共会提供两个权重，分别是vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5和Omniglot_vgg.h5。 其中: Omniglot_vgg.h5是O

Siamese：孪生神经网络在Pytorch当中的实现 目录 实现的内容 该仓库实现了孪生神经网络（Siamese network），该网络常常用于检测输入进来的两张图片的相似性。该仓库所使用的主干特征提取网络（backbone）为VGG16。 所需环境 torch==1.2.0 注意事项 训练Omniglot数据集和训练自己的数据集可以采用两种不同的格式。需要注意格式的摆放噢！ 文件下载 训练所需的vgg16-397923af.pth可在百度网盘中下载。 链接: 提取码: xype 我一共会提供两个权重，分别是vgg16-397923af.pth和Omniglot_vgg.pth。 其中: Omniglot_vgg.pth是Omniglot训练好的权重，可直接使用进行下面的预测步骤。 vgg16-397923af.pth是vgg的权重，可以用于训练其它的数据集。 预测步骤 a、使用预训