识别率的提升是图像处理技术的关键环节，笔者针对第二代曲波变换算法在图像识别处理过程中，所存在的图像边缘“振铃”效应和由于“楔形基”的特性所导致的图像失真问题，提出了第二代曲波加权改进算法及对图像识别的实现过程，并且分别通过ORL和Yale图像进行了对比仿真实验，证明了较传统的小波加权双向二维主成分分析算法在对识别中有明显的提高，从而验证了该算法在图像识别处理上的可行性和有效性。
2025/6/14 3:14:26
758KB
1
史上最全的人脸库，自己毕业设计时做人脸识别时收集的，包括ORL人脸库、Yale人脸库、AT&T人脸库及MIT人脸库。
ORL人脸库中包括23*28的bmp格式的400幅人脸、92*112的bmp格式及pgm格式的各400幅人脸；
Yale人脸库中包括100*100的bmp格式的15个人的人脸，每个人11幅图像；
MIT人脸库中包括人脸20*20的bmp格式2706幅图及非人脸20*20的bmp格式4381幅图。
如此全面，绝对值得下载。
ORL人脸库中包括23*28的bmp格式的400幅人脸、92*112的bmp格式及pgm格式的各400幅人脸；
Yale人脸库中包括100*100的bmp格式的15个人的人脸，每个人11幅图像；
MIT人脸库中包括人脸20*20的bmp格式2706幅图及非人脸20*20的bmp格式4381幅图。
如此全面，绝对值得下载。
2025/6/10 14:19:25
18.78MB
1
非常全的人脸识别数据库，含lfw、AT&T人脸库、CMU_PIE人脸库、FG-NET人脸库、ORL人脸库、UMIST人脸库、Yale人脸库等。
可用于人脸识别模型的小规模训练和验证
可用于人脸识别模型的小规模训练和验证
2025/6/7 16:52:25
217.84MB
1
该程序采用MATLAB编写，带有orl_faces人脸数据库。
下载解压，可直接运行。
程序包含训练，识别精度计算，识别匹配等过程。
程序结果将以界面GUI形式展示。
下载解压，可直接运行。
程序包含训练，识别精度计算，识别匹配等过程。
程序结果将以界面GUI形式展示。
2025/1/21 11:14:24
22.64MB
1
最全的人脸数据库，包含AT&T的人脸库、MIT人脸库、ORL人脸库、Yale人脸库。
本资源可以为做人脸识别的同志们提供一些样本库，方便进行样本训练。
本资源可以为做人脸识别的同志们提供一些样本库，方便进行样本训练。
2024/12/1 2:04:34
18.78MB
1
我们的脸部数据库（以前的'ORL脸部数据库'）包含一组1992年4月至1994年4月在实验室拍摄的脸部图像。
该数据库用于与剑桥大学工程部言语，视觉和机器人小组合作开展的面部识别项目。
每个40个不同的主题有10个不同的图像。
对于某些科目，图像是在不同的时间拍摄的，改变了照明，面部表情（开放/闭眼，微笑/不微笑）和面部细节（眼镜/没有眼镜）。
所有图像都是在黑暗的均匀背景下拍摄的，拍摄对象处于直立的正面位置（对某些侧面运动具有宽容度）。
可以使用面部数据库的预览图像。
这些文件采用PGM格式，可以使用'xv'程序方便地在UNIX（TM）系统上查看。
每幅图像的大小为92×112像素，每像素有256个灰度级。
这些图像被组织在40个目录中（每个主题一个），它们具有表单的名称sX，其中X表示主题编号（介于1和40之间）。
在这些目录的每一个中，该主题有十个不同的图像，其具有该形式的名称Y.pgm，其中Y该主题的图像编号（在1和10之间）。
该数据库用于与剑桥大学工程部言语，视觉和机器人小组合作开展的面部识别项目。
每个40个不同的主题有10个不同的图像。
对于某些科目，图像是在不同的时间拍摄的，改变了照明，面部表情（开放/闭眼，微笑/不微笑）和面部细节（眼镜/没有眼镜）。
所有图像都是在黑暗的均匀背景下拍摄的，拍摄对象处于直立的正面位置（对某些侧面运动具有宽容度）。
可以使用面部数据库的预览图像。
这些文件采用PGM格式，可以使用'xv'程序方便地在UNIX（TM）系统上查看。
每幅图像的大小为92×112像素，每像素有256个灰度级。
这些图像被组织在40个目录中（每个主题一个），它们具有表单的名称sX，其中X表示主题编号（介于1和40之间）。
在这些目录的每一个中，该主题有十个不同的图像，其具有该形式的名称Y.pgm，其中Y该主题的图像编号（在1和10之间）。
2024/10/7 8:38:16
3.62MB
1
内部包含orl人脸数据库；
朴素贝叶斯分类数值型数据、取点测比例距、训练数据集特征向量化、（PCA+adaboostPCA+SVM人脸识别(可用，全面)）四种人脸识别相关的功能，经过测试均可用，4者代码相互之间没有关系，且第四个“测试成功@（PCA+adaboostPCA+SVM(可用，全面)）”可以完整进行人脸识别，下载者根据功能需要选择使用
朴素贝叶斯分类数值型数据、取点测比例距、训练数据集特征向量化、（PCA+adaboostPCA+SVM人脸识别(可用，全面)）四种人脸识别相关的功能，经过测试均可用，4者代码相互之间没有关系，且第四个“测试成功@（PCA+adaboostPCA+SVM(可用，全面)）”可以完整进行人脸识别，下载者根据功能需要选择使用
2024/7/24 12:37:36
22.43MB
1
原创，测试识别率0.99，重构图像完全比不上PCA，但能满足分类要求。
可下载后直接运行，并保存特征向量数据
可下载后直接运行，并保存特征向量数据
2024/7/21 9:08:02
5.1MB
1
史上最全的人脸库，包括ORL人脸库、Yale人脸库、AT&T人脸库及MIT人脸库。
ORL人脸库中包括23*28的bmp格式的400幅人脸、92*112的bmp格式及pgm格式的各400幅人脸；
Yale人脸库中包括100*100的bmp格式的15个人的人脸，每个人11幅图像；
MIT人脸库中包括人脸20*20的bmp格式2706幅图及非人脸20*20的bmp格式4381幅图。
如此全面，绝对值得下载。
ORL人脸库中包括23*28的bmp格式的400幅人脸、92*112的bmp格式及pgm格式的各400幅人脸；
Yale人脸库中包括100*100的bmp格式的15个人的人脸，每个人11幅图像；
MIT人脸库中包括人脸20*20的bmp格式2706幅图及非人脸20*20的bmp格式4381幅图。
如此全面，绝对值得下载。
2024/6/2 5:52:52
18.78MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB