自己写的手写数字识别源码，识别效果还可以，基于Opencv3.1+VS2013，带有数字0-5的数据集，还有自己训练的特征文件，包含训练程序以及测试程序。

自己训练SVM分类器进行HOG行人检测，环境VS2013+OpenCV

自己训练的分类器导入进行视频行人检测代码亲测可行，算法需要再完善提高实时性

几个月前自己上手YOLOV3-keras，自己训练了一个数据集。
在测试的时候，发现源码作者的测试不好用。
自己稍稍修改了一下。
几点改进（1）批量测试图片将待测试的图片放入'./test'路径下。
测试的时候，第一张图片需要的时间大约是2s左右，因为需要加载模型，所需时间就相对较长一些。
在博主的机器上，测试逐个张图片的时间大约是0.1s左右；
（2）保存测试结果完成测试后，将测试的结果保存在result文件夹中。
方便以后查看（3）将测试结果输出为一个result.txt文件。
result.txt内容包含了每一个bbox的信息。

内容概要：yolov5火焰识别模型完整项目，采用C/S结构。
项目分为前端代码，用vue编写；
后端代码，用python编写，做成api接口。
灵活性大，与模型解耦合，后续可以放自己训练好的模型，不再修改代码或者少量修改代码。
源代码：yolov5模型部署到web端，文档齐全，包含如何安装环境，如何运行项目，如何使用。
适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员能学到什么：可以快速出效果。
阅读建议：详情请查看文章引见:https://blog.csdn.net/qq122716072/article/details/125503254

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。