在2005年CVPR上，来自法国的研究人员NavneetDalal和BillTriggs提出利用Hog进行特征提取，利用线性SVM作为分类器，从而实现行人检测。
而这两位也通过大量的测试发现，HOG+SVM是速度和效果综合平衡性能较好的一种行人检测方法。
后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。
因此，HOG+SVM也成为一个里程表式的算法被写入到OpenCV中。
在OpenCV2.0之后的版本，都有HOG特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去
而这两位也通过大量的测试发现，HOG+SVM是速度和效果综合平衡性能较好的一种行人检测方法。
后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。
因此，HOG+SVM也成为一个里程表式的算法被写入到OpenCV中。
在OpenCV2.0之后的版本，都有HOG特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去
2023/12/23 21:16:19
4.96MB
1
本人课程作业，直接运行Optimize.m即可进行测试。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。
2023/12/1 11:08:02
35.35MB
1
为了说明训练过程，本示例将训练SegNet，一种用于图像语义分割的卷积神经网络(CNN)。
用于语义分割的其他类型网络包括全卷积网络(FCN)和U-Net。
以下所示训练过程也可应用于这些网络。
本示例使用来自剑桥大学的CamVid数据集展开训练。
此数据集是包含驾驶时所获得的街道级视图的图像集合。
该数据集为32种语义类提供了像素级标签，包括车辆、行人和道路。
本示例创建了SegNet网络，其权重从VGG-16网络初始化。
要获取VGG-16，请安装NeuralNetworkToolbox?ModelforVGG-16Network：安装完成后，运行以下代码以验证是否安装正确。
此外，请下载预训练版SegN
用于语义分割的其他类型网络包括全卷积网络(FCN)和U-Net。
以下所示训练过程也可应用于这些网络。
本示例使用来自剑桥大学的CamVid数据集展开训练。
此数据集是包含驾驶时所获得的街道级视图的图像集合。
该数据集为32种语义类提供了像素级标签，包括车辆、行人和道路。
本示例创建了SegNet网络，其权重从VGG-16网络初始化。
要获取VGG-16，请安装NeuralNetworkToolbox?ModelforVGG-16Network：安装完成后，运行以下代码以验证是否安装正确。
此外，请下载预训练版SegN
2023/11/15 8:25:03
1.06MB
1
在各种机器人中，工业机器人应用较早，发展最为成熟。
同时，技术的不断进步一直在牵引着机器人学科的发展，使机器人的应用领域从工业机器人扩展到特种机器人和服务机器人等。
机器人技术也正越来越深刻地影响着我们的生活。
机器人不但将在工厂、实验室与人一起工作，还将在车站、机场、码头、交通路口为人们指引路径、回答问题、帮助行人。
机器人还将步入千家万户，为老人端茶送水，护理伤病人等等。
未来机器人将会越来越广泛地进入人类社会，人类对机器人的依赖会如同现时对待计算机一样，即使是短时间的离开都可能会造成很大不便。
机器人化是先进制造领域的重要标志和关键技术，针对先进制造业生产效率提高的诸多瓶颈问题，尤其是在汽车产业中，机器人得到了广泛的应用。
如在毛坯制造(冲压、压铸、锻造等)、机械加工、焊接、热处理、表面涂覆、上下料、装配、检测及仓库堆垛等作业中，机器人都已逐步取代了人工作业。
目前汽车制造业是所有行业中人均拥有机器人密度最高的行业，如2004年德国制造业中每1万名工人中拥有机器人的数量为162台，而在汽车制造业中每1万名工人中拥有机器人的数量则为1140台；
意大利的这一数值更能说明问题，2004年意大利制造业中每1万名工人中拥有辅助操作的机器人数量为123台，而在汽车制造业中每1万名工人中机器人的拥有数量则高达1600台。
同时，技术的不断进步一直在牵引着机器人学科的发展，使机器人的应用领域从工业机器人扩展到特种机器人和服务机器人等。
机器人技术也正越来越深刻地影响着我们的生活。
机器人不但将在工厂、实验室与人一起工作，还将在车站、机场、码头、交通路口为人们指引路径、回答问题、帮助行人。
机器人还将步入千家万户，为老人端茶送水，护理伤病人等等。
未来机器人将会越来越广泛地进入人类社会，人类对机器人的依赖会如同现时对待计算机一样，即使是短时间的离开都可能会造成很大不便。
机器人化是先进制造领域的重要标志和关键技术，针对先进制造业生产效率提高的诸多瓶颈问题，尤其是在汽车产业中，机器人得到了广泛的应用。
如在毛坯制造(冲压、压铸、锻造等)、机械加工、焊接、热处理、表面涂覆、上下料、装配、检测及仓库堆垛等作业中，机器人都已逐步取代了人工作业。
目前汽车制造业是所有行业中人均拥有机器人密度最高的行业，如2004年德国制造业中每1万名工人中拥有机器人的数量为162台，而在汽车制造业中每1万名工人中拥有机器人的数量则为1140台；
意大利的这一数值更能说明问题，2004年意大利制造业中每1万名工人中拥有辅助操作的机器人数量为123台，而在汽车制造业中每1万名工人中机器人的拥有数量则高达1600台。
2023/8/26 5:39:45
8.1MB
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