cnn源码matlab SVHN-deep-cnn-digit-detector 该项目在自然场景中实现了 deep-cnn-detector（和识别器）。 我使用 keras 框架和 opencv 库来构建检测器。 该检测器使用 CNN 分类器为 MSER 算法提出的区域确定数字与否。 先决条件 Python 2.7 keras 1.2.2 opencv 2.4.11 张量流-GPU == 1.0.1 等等。 运行这个项目所需的所有包的列表可以在 . Python环境 我建议您创建和使用独立于您的项目的 anaconda 环境。 您可以按照以下简单步骤为该项目创建 anaconda env。 使用以下命令行创建 anaconda env： $ conda env create -f digit_detector.yml 激活环境$ source activate digit_detector 在这个环境中运行项目 用法 数字检测器的构建过程如下： 0. 下载数据集 下载 train.tar.gz 并解压文件。 1.加载训练样本（1_sample_loader.py） Svhn 以 m

matlab人脸识别

条形码识别程序操作环境：本程序可以运行于Microsoft Windows 98/ME/NT/2000/XP下。 分辨率：任何分辨率即可 制作工具：Microsoft Visual C++ 6.0 操作流程： 条形码的生成原理： 条形码的第一数据部分是由 7个数字形成的，其形成的方法详述如下： n 首先使用 产生和 匹配的字母码，该字母码有6个字母组成，字母限于A和B。产生字母码的列表如下 字母码 0 AAAAAA 1 AABABB 2 AABBAB 3 AABBBA 4 ABAABB 5 ABBAAB 6 ABBBAA 7 ABABAB 8 ABABBA 9 ABBABA 表一 映射表 n 将 和 产生的字母码按位进行搭配，来产生一个数字-字母匹配对。并通过查表来得到 形成的条形码第一数据部分。将 和C进行搭配，并通过查表得到 形成的条形码的第二数据部分。该映射表如表二所示： 数字-字母匹配对 二进制信息 0A 0001101 0B 0100111 0C 1110010 1A 0011001 1B 0110011 1C 1100110 2A 0010011 2B 0011011 2C 1101100 3A 0111101 3B 0100001 3C 1000010 4A 0100011 4B 0011101 4C 1011100 5A 0110001 5B 0111001 5C 1001110 6A 0101111 6B 0000101 6C 1010000 7A 0111011 7B 0010001 7C 1000100 8A 0110111 8B 0001001 8C 1001000 9A 0001011 9B 0010111 9C 1110100 表二 数字-字母映射表 n 绘制条形码：通过映射表二得到的二进制数码进行绘制，1对应黑线，0对应白线。

引言 　　手机、MP3播放器、硬盘播放器、数码相机、PDA等设备都是通过导航键对其进行控制的。目前比较流行的导航键控制方式有四维键、摇杆，这是最常见的两种导航键，此外还有一些手机上有很新颖的导航键设计，例如：LG-KG70的滚轴键、LG-KE608的转盘设计、索爱W830的触摸式、多普达D802的飞梭滚轮等等。这里，我们用加速度传感器设计一种看不见的导航键来代替四维键的功能，这种方案更能满足消费者的好奇心，满足消费者追逐时尚的需求。 　　手势识别的控制原理 　　本系统利用三轴加速度的值来判定对物体运动预定义的六种姿势。首先，分别对三个轴采样，每个轴各获得50个数据；然后，分别对每个轴

基于 ART1 网络的字符识别器

广义表表头、表尾识别器报告文档 内含模块：目的、设计要求、问题描述、需求分析、概要设计、详细设计、测试分析、设计总结、程序清单 内含C++源代码 免费下载，看个人简介

捷顺摄像头调试软件[V1.2.0.0]更新(2019/1/3)说明： 1. 兼容全系列车牌识别产品的调试。 2. 视频显示优化：优先采用Direct3D的方式显示视频，若电脑不支持Direct3D，则采用GDI方式显示视频。 (建议电脑开启Direct 3D加速功能，查看电脑是否开始了该功能的步骤：开始菜单->运行->输入dxdiag，回车， 在DirectX诊断工具的显示页签查看Direct3D加速是否开启，若没有开启，请更新显卡驱动) 3. 针对JS-IB200SC-E0和JS-IB200S-E03-AF车牌识别一体机，增加GB28181协议功能的设置。 4. 车牌识别参数设置中，增加了车牌防伪的功能，以支持最新的车牌识别算法V2.8车牌防伪功能。 5. 车牌识别参数设置中，重新调整了地感的相关设置。 6. 在显示车牌跟踪框的同时显示车牌框的具体宽度(像素单位)数字。 7. 重新命名了保存车牌识别结果图片的文件名，调整为以车牌号码+识别时间的命名格式。 8. 车牌识别结果显示中增加了配套算法V2.8的车牌置信度的显示(即显示可信与不可信)。 9. 增加了电动变焦镜头调试界面，以支持JS-IB200SC-E0、JS-IB200S-E03-AF和速通Ⅳ控制机的电动变焦功能。

手写数学表达式识别器 基于CROHME竞赛的scikit-learn和数据集/工具（ ）。 由三个子系统组成：符号分类器，分段器和表达式解析器。 这些实现主要基于： 对于分类器：Davila，Luddi，Zanibbi（ ）使用离线功能和合成数据进行在线手写数学符号识别。 对于分段器：Hu和Zanibbi（ ）使用AdaBoost和多尺度形状上下文特征对手写数学符号进行分段。 对于解析器：Eto和Suzuki使用虚拟链接网络进行数学公式识别（ ）。 但是，尤其是对于分段器和解析器，实现的确在某些重要方面有所不同。 有关如何运行它的更多说明即将推出。

离散事件系统的间歇性故障诊断能够将系统中发生的间歇性故障及时诊断出来,但在诊断期间的系统可能会执行不安全操作.针对间歇性故障在诊断期间的安全性问题,提出一种基于事件的安全诊断方法.首先对发生间歇性故障的离散事件系统进行建模,并给出系统间歇性故障的安全可诊断性的形式化定义.然后通过构造非法语言识别器对系统的非法操作进行识别,并在此基础上构建一个安全验证器,由此得到一个关于系统间歇性故障安全可诊断性的充分必要条件,实现离散事件系统对间歇性故障的安全诊断.这种安全诊断既保证了间歇性故障一旦发生即能被及时诊断出来,又确保了在故障诊断期间系统不会执行任何不安全操作.

今天小编就为大家分享一篇Python构建图像分类识别器的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧