识别结果大概是这样{'result':{'face_num':1,'face_list':[{'quality':{'occlusion':{'right_eye':0,'left_cheek':0.1459853947,'right_cheek':0.05144193396,'left_eye':0.465408802,'mouth':0.02919708006,'chin_contour':0.01420217194,'nose':0},'illumination':116,'blur':7.266304692e-06,'completeness':1},'age':22,'face_token':'dc6f8f9df5d977ea476e2d04acdf5063','race':{'type':'white','probability':0.6173604727},'glasses':{'type':'common','probability':0.9834988713},'gender':{'type':'male','probability':0.655915916},'face_probability':0.9185044169,'beauty':51.21487427,'angle':{'roll':-2.750922441,'yaw':28.97134399,'pitch':5.202290535},'location':{'height':65,'top':112.0704803,'width':76,'left':76.20765686,'rotation':-4},'face_type':{'type':'human','probability':0.9992217422},'face_shape':{'type':'oval','probability':0.4419156313},'expression':{'type':'none','probability':0.9999142885}}]},'error_msg':'SUCCESS','timestamp':1537413754,'cached':0,'error_code':0,'log_id':9465840013520}年龄:22颜值:51.21487427表情-type(none:不笑;
smile:微笑;
laugh:大笑):none表情-probability(表情置信度,范围【0~1】,0最小、1最大):0.9999142885脸型-type(square:正方形triangle:三角形oval:椭圆heart:心形round:圆形):oval脸型-probability(置信度,范围【0~1】,代表这是人脸形状判断正确的概率,0最小、1最大):0.4419156313性别-type(male:男性female:女性):male性别-probability(性别置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.655915916能否带眼镜-type(none:无眼镜,common:普通眼镜,sun:墨镜):common能否带眼镜-probability(眼镜置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.9834988713人种-type(yellow:黄种人white:白种人black:黑种人arabs:阿拉伯人):white人种-probability(人种置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.6173604727真实人脸/卡通人脸-type(human:真实人脸cartoon:卡通人脸):human真实人脸/卡通人脸-probability(人脸类型判断正确的置信度,范围【0~1】,0代表概率最小、1代表最大。
):0.9992217422
2015/7/3 8:12:32 3KB python3.5 百度ai 人脸识别
1
该资源为批处理最小二乘的代码文件,个中对象模型已知,数据长度500。
2020/11/10 15:22:07 892B 批处理最小二 matlab
1
所有的汉字数据库sql文件,包含建表语句及20823条insert语句。
包含简体字形、拼音、部首、笔画;
繁体字形、笔画;
五行属性;
简介、详细引见等数据。
idint(10)NULLid主键zivarchar(10)NULL字型fantizivarchar(10)NULL繁体字pyvarchar(500)NULL拼音不带声标wubivarchar(20)NULL五笔bushouvarchar(10)NULL部首bihuaint(10)NULL笔画数fantibihuaint(10)NULL繁体笔画数pinyinvarchar(20)NULL拼音带音标wuxingvarchar(10)NULL五行属性jijietextNULL简介xiangjietextNULL详细引见
2020/4/18 1:24:45 8.75MB 汉字 繁体 五行
1
《linux/unix系统编程手册(上、下册)》是引见linux与unix编程接口的权威著作。
linux编程资深专家michaelkerrisk在书中详细描述了linux/unix系统编程所涉及的系统调用和库函数,并辅之以全面而清晰的代码示例。
《linux/unix系统编程手册(上、下册)》涵盖了逾500个系统调用及库函数,并给出逾200个程序示例,另含88张表格和115幅示意图。
《linux/unix系统编程手册(上、下册)》总共分为64章,主要讲解了高效读写文件,对信号、时钟和定时器的运用,创建进程、执行程序,编写安全的应用程序,运用posix线程技术编写多线程程序,创建和使用共享库,运用管道、消息队列、共享内存和信号量技术来进行进程间通信,以及运用套接字api编写网络应用等内容。
2020/11/3 21:30:40 22.06MB Linux Unix 系统编程手册 非影印
1
给出一个磁盘块序列:1、2、3、……、500,初始状态所有块为空的,每块的大小为2k。
选择使用位表、链式空闲区、索引和空闲块列表四种算法之一来管理空闲块。
对于基于块的索引分配执行以下步骤:随机生成2k-10k的文件50个,文件名为1.txt、2.txt、……、50.txt,按照上述算法存储到模仿磁盘中。
删除奇数.txt(1.txt、3.txt、……、49.txt)文件新创建5个文件(A.txt、B.txt、C.txt、D.txt、E.txt),大小为:7k、5k、2k、9k、3.5k,按照与(1)相同的算法存储到模仿磁盘中。
给出文件A.txt、B.txt、C.txt、D.txt、E.txt的文件分配表和空闲区块的状态。
实验报告(含程序流程图)&源码
2016/5/22 5:33:27 359KB 文件管理
1
语音特征识别是模式识别的一个重要研究内容,对本案例,提取了民歌,古筝、摇滚和流行四类不同音乐的24维特征向量各500组,希望用BP网络实现对着四类音乐的无效分类。
1)比较采用2-3种不同的隐含层神经元个数对分类精度的影响;
2)采用不同训练算法,比较traingd,traingdm,traingdx以及trainlm的效果(精度和收敛速度)。
包括源程序和神经网络结构示意图,计算结果及分析。
2021/3/11 5:47:41 1007KB 神经网络 语音特征 源程序 MATLAB
1
字符包括汉字,字母,数字和一些符号。
汉字有几千个,字母有几十个,数字的类最少只要10个,所以选择简单的手写数字字符来实现。
结合三个相关的程序和论文,一个是语音特征的分类(不调用神经网络工具箱相关函数实现),另外两个是关于手写数字识别的。
处理的数据集是放在10个文件夹里,文件夹的名称对应存放的手写数字图片的数字,每个数字500张,每张图片的像素统一为28*28
2019/5/1 2:27:01 2.89MB BP神经网络 手写字符 matlab
1
[FLASH/AS1/2]简易涂鸦板(带本地保存功能与撤消上一步功能)作者:古树悬叶日期:2010-01-07二类涂鸦板:一种是主流的通过保存鼠标轨迹的方式来保存涂鸦数据,既使用矢量的方式来保存,样例如闪吧的涂鸦程序;
另一种是通过保存BitmapData颜色值的方式来保存,样例还没有找到比较像样的样例。
在《内置方法Array.shift与自定义循环++的执行效率比较》一文中,我已经对shift方法与自定义的++方式分别作了比较。
虽然自定义++的方式比shift方法要快,但事实它们二者的效率都很低。
由于SharedObject类是无法直接保存BitmapData对象的,所以只能将BitmapData的所有位图像素的每一个像素取ARGB值后保存。
一张位图按500像素x500像素算,自定义++需要3秒多,而shit方法脚本超时。
所以通过BitmapData的颜色方式来保存只能保存较小的位图。
所以通过鼠标轨迹的方式保存涂鸦成了主流。
此涂鸦板在涂鸦之后会自动将涂鸦保存在本地,并且可以撤消上一步操作。
涂鸦画线功能我是直接从FLASH协助文件中考贝出来的,我在涂鸦功能的基础上添加了本地保存和撤消的功能。
(代码可以扩展成自定义线条粗细,自定义线条颜色,透明度等等。
还可以添加新的数据用来记录被撤消的步聚,这样不旦可以撤消还有了重做功能。
甚至还可以在tempArray.push添加新的数组,同时保存不同线条粗细、颜色、透明度的涂鸦,做成一个类似画板的程序。
1
伍华聪分页控件源代码,是我花500人民币购买的,为什么有那么多国外的开源的软件,中国却很少,为什么好的软件都是国外的??为什么中国的软件开发人,做一个小小的东西都开始收费,也许是国情成绩。
2020/4/20 8:47:09 1.96MB 伍华聪 分页 控件 源代码
1
用matlab实现了机器学习中的感知机学习算法(perceptronalgorithm),利用前500个样本值训练分类器,用剩余样本做测试。
1
共 200 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