这是我自己设计的一个人脸识别系统的课题，基于Python语言研发了人脸识别管理系统，并在Pycharm平台完成主要功能模块的分析与设计，在摄像头采集到完整人脸信息的同时，对人员的身份进行认证和管理。本文所设计的人脸识别系统一方面可以实现人员的安全认证功能，还能够给重要场所的人员管理提供安全保障，测试结果表明：该系统能够准确识别人脸信息，并显示当前人员的录入时名字，而没有录入的人脸显示unknown，为有效解决人员管理问题提供了参考。使得人员安全管理系统具备了更高的实用价值，有着巨大市场潜力和应用前景。以下是重要内容阐述： 1、人脸识别部分主要是依靠人脸特征提取来实现； 2、摄像头捕获人脸后，会进行图像预处理，包括噪声处理、光照预处理和几何预处理； 3、采用卷积神经网络为人脸识别算法； 4、基于Python和Pycharm平台来实现系统设计； 5、通过CNN训练发现，能够对人脸进行准确识别，识别率高达97%；

基于机器视觉的自然环境下菇娘果实分割方法，已经训练好的模型共训练100轮，使用说明在ReadMe，测试集在菇娘测试集压缩包

MATLAB实现Bee-CNN蜜蜂算法优化卷积神经网络图像分类预测（完整源码和数据） MATLAB实现Bee-CNN蜜蜂算法优化卷积神经网络图像分类预测（完整源码和数据） 数据为图像分类数据,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2021b及以上。

基于卷积神经网络图像风格迁移技术应用.docx

结合小波变换和BP神经网络模型，提出了一种基于小波神经网络的图像边缘检测方法。利用二进小波边缘检测技术对灰度图像局部进行边缘检测，把边缘信息作为神经网络的输出，对局部图像数据进行神经网络模型训练，通过训练得到的局部图像模型预测得到整幅图像像素的边缘信息，通过对BP神经网络和小波神经网络的边缘检测结果进行对比实验可知，小波神经网络模型预测得到的边缘检测信息不仅比BP神经网络模型好，而且也可以更清楚地得到边缘近邻的更多信息。

tensorflow卷积神经网络CNN实现cifar10图像分类源码+数据集+注释

采用CNN神经网络中经典的resnet18模型，对Flowers数据集（https://www.kaggle.com/datasets/alxmamaev/flowers-recognition）进行分类。 运用了图像增广技术与微调技术，在5轮训练后正确率超过了90%，在经过15轮训练后，精度可以达到97%。

学校人工智能课程学习中，使用到的图片识别案例。主要功能为识别芯片表面划痕

神经网络图像识别——水稻叶片病害分类.zip

深度学习基于卷积神经网络的图像风格迁移项目系统源代码。统计学习课程挑战问题。 构成 output 生成图片的代码 images 风格图片和内容图片 theme GUI的主题 Image.py model.py parameters.py train.py 为项目的代码 sun-valley.tcl 为GUI的必须文件 代码运行方法 1、 python解释器中安装tensorflow 2.3.0，tqdm，tkinter 2、 克隆本仓库 3、 运行train.py代码 使用说明 参数选择可选低风格内容、高风格内容，代表生成的图片是否更贴近风格图片 单击 选择内容图片按钮 来选择图片，单击 选择风格图片按钮 来选择风格图片 单击 运行按钮 来运行代码