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。
2024/12/1 2:04:34 18.78MB 人脸
1
40个人,每个人10张人脸图像,格式为pgm格式,用来测试特征脸算法的,由于人脸差异不是很大所以识别率较高。
2024/11/5 4:29:40 2.93MB ORL人脸库 识别 图像
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)。
2024/10/7 8:38:16 3.62MB 人脸检测 人脸识别 数据集
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
2024/7/24 12:37:36 22.43MB 人脸识别 MATLAB PCA+adaboost orl
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
2024/7/21 9:08:02 5.1MB LDA 人脸识别
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。
2024/6/2 5:52:52 18.78MB 人脸库
1
ORL_92x112人脸数据库,40人,每人10张照片包括表情变化,微小姿态变化,20%以内的尺度变化。
2024/5/14 3:05:45 4.31MB ORL 人脸数据库
1
MatlabPCA人脸识别使用ORL人连数据库
2024/5/13 16:27:07 2KB PCA 人脸识别
1
bmp格式的ORL人脸库,且已经编号分组,重命名格式为:00101~00110;
00201~00210;
...;
04001~0410。
共四十组,每组十张,方便编程调用。
4.03MB ORL 人脸库 bmp
1
可用的matlab代码,显示特征脸,计算人脸识别率,应用ORL人脸库
2024/3/27 14:23:58 7KB 人脸识别
1
共 53 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡