数字图像处理是计算机科学专业的一门基础学科，而其中人脸识别及分割又是其中最为经典不可缺失的一部分。
本文采用MATLAB-VISION包中强大的图像识别功能，对目标图像进行人脸识别。
VISION中的级联分类器具有识别人脸，嘴巴，鼻子，左右眼等功能。
并且准确度高，能在较为复杂的环境下识别出目标。

使用Logistic回归模型进行中文文本分类，通过实验，比较和分析了不同的中文文本特征、不同的特征数目、不同文档集合的情况下，基于Logistic回归模型的分类器的性能。
并将其与线性SVM文本分类器进行了比较，结果显示它的分类性能与线性SVM方法相当，表明这种方法应用于文本分类的有效性。

基于最小错误率的贝叶斯手写数字分类器，包括注释，很详尽，是自己按照定义写的，训练集和测试集是用的mnist数据集，最终正确率为73.89%

Caltech图像处理库，国外网站扒拉过来的，有兴趣的可以下载用用，机器学习、分类器等等，做图像处理的能玩玩

利用bow训练器进行k-means聚类，训练svm分类器进行车辆检测

色彩调度器列出大量文件，从CIFS中移动文件，AI评分和在CIFS上排序等操作都很缓慢。
因此，它们与实时文件看门狗分开。
Lister，mover，scorer和sorter可以分别用于创建完全异步的管道。
或者，为了简单起见，我们可以将移动器，计分器和分类器组合为一个工作器。
初始化初始化数据库pythoncreate_sql_tables.py创建调度程序路径sudomkdir/media/schedulersudochownvoyager.voyager/media/schedulermkdir./tmp启动管道condaactivatechromo-schedulernohuppythonlister.py＞lister.log&nohuppythonscheduler.py＞scheduler.log&nohup

以39000张车牌图片作为数据，使用opencv的cascade分类器进行训练，定位准确度高,速度较快

人脸检测作为物体检测问题的一个特例,长期以来一直备受关注,已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。
本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。
利用目前较为流行的AdaBoost算法的一个改进算法——GentleAdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。
通过一系列的比较得出样本选取、特征选取、核心算法等很多因素影响着多层分类器的结构形式。

├─1.计算机视觉简介、环境准备(python,ipython)│computervsion.pdf│CS231introduction.pdf│├─2.图像分类问题简介、kNN分类器、线性分类器、模型选择│2.图像分类简介、kNN与线性分类器、模型选择.mp4│2.初识图像分类.pdf│├─3.再谈线性分类器│3.再谈线性分类器.mp4│再谈线性分类器.pdf│├─4.反向传播算法和神经网络简介│.反向传播算法和神经网络简介.pdf│4.反向传播算法和神经网络简介.mp4│├─5.神经网络训练1│5.-神经网络训练1.pdf│5.神经网络训练1.mp4│├─6.神经网络训练2、卷积神经网络简介│6.神经网络训练2.mp4│神经网络训练2.pdf│├─7.卷积神经网络│7.卷积神经网络.mp4│Lession7.pdf│├─8.图像OCR技术的回顾、进展及应用前景│8.图像OCR技术的回顾、进展及应用前景.mp4│PhotoOCR_xbai.pdf│└─9.物体定位检测物体定位检测.pdf│├─10.卷积神经网络可视化│.卷积神经网络可视化.pdf│10.卷积神经网络可视化.mp4│├─11.循环神经网络及其应用│11.循环神经网络及其应用.mp4│循环神经网络.pdf│├─12.卷积神经网络实战│12.卷积神经网络训练实战.mp4│卷积神经网络实战.pdf│├─13.常见深度学习框架介绍│常见深度学习框架介绍.pdf│├─14.图像切割│14.图像切割.mp4

这是我研究生的一个作业，要用贝叶斯分类器去实现垃圾邮件的分类。
第一次是用c语言实现。
第二次用Java，并且用了哈希表，用以保证其计算速度

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。