Python3实现KNN的三个例子（包含数据集），水果分类，识别手写数字，找相似的朋友
2024/6/29 17:25:27
1MB
1
通过摄像头进行视频抓取，识别人脸、人眼，并自动保存成图片。
1.需要自行安装emgu的库，并设置好path，可官网下载2.需要自行准备好摄像头并安装好驱动3.需要vs2012或者SharpDevelop进行编译，bin下已有编译好的exe官网例子，参考官网和一些资料，代码比较简单。
大家也仅供参考。
1.需要自行安装emgu的库，并设置好path，可官网下载2.需要自行准备好摄像头并安装好驱动3.需要vs2012或者SharpDevelop进行编译，bin下已有编译好的exe官网例子，参考官网和一些资料，代码比较简单。
大家也仅供参考。
2024/6/17 0:41:16
2.08MB
1
实现了以下接口https://api-cn.faceplusplus.com/facepp/v3/comparehttps://api-cn.faceplusplus.com/facepp/v3/detecthttps://api-cn.faceplusplus.com/facepp/v3/faceset/createhttps://api-cn.faceplusplus.com/facepp/v3/faceset/addfacehttps://api-cn.faceplusplus.com/facepp/v3/search人脸识别，人脸集合创建，查找，两张人脸图片比对并对返回结果的json反序列化到实体对象，结果一目了然。
注：前提需要创建一个免费的测试账号-------//注册自己的face++账号，地址：https://console.faceplusplus.com.cn/registerStringstrApiKey="";StringstrApiSecret="";//如果需要上传人脸到人脸集合，请先创建人脸集合后填入得到的facesetToken,人脸添加到人脸集合时需要用它制定哪个集合StringstrFacesetToken="";
注：前提需要创建一个免费的测试账号-------//注册自己的face++账号，地址：https://console.faceplusplus.com.cn/registerStringstrApiKey="";StringstrApiSecret="";//如果需要上传人脸到人脸集合，请先创建人脸集合后填入得到的facesetToken,人脸添加到人脸集合时需要用它制定哪个集合StringstrFacesetToken="";
2024/5/18 10:12:27
270KB
1
这是一个研究车牌号码数字识别的综合性工程，从最基本的BP分类，到分别用遗传算法和粒子群算法对BP网络进行优化分类，再到利用Hopfield神经网络对数字进行识别分类。
所有代码均能直接运行，并有准备的结果，并且包括数字号码的图像库，识别结果明确。
由于本人在此花费了不少精力，所以资源分标了10分，希望能对同学的毕业设计起到作用。
所有代码均能直接运行，并有准备的结果，并且包括数字号码的图像库，识别结果明确。
由于本人在此花费了不少精力，所以资源分标了10分，希望能对同学的毕业设计起到作用。
2024/4/29 6:17:22
765KB
1
编译原理涉及词法分析，语法分析，语义分析及优化设计等各方面。
词法分析阶段是编译过程的第一个阶段，是编译的基础。
这个阶段的任务是从左到右一个字符一个字符地读入源程序，即对构成源程序的字符流进行扫描然后根据构词规则识别单词(也称单词符号或符号)。
词法分析程序实现这个任务。
词法分析程序可以使用Lex等工具自动生成。
从左到右逐个字符对构成源程序的字符串进行扫描，依据词法规则，识别出一个一个的标记（token），把源程序变为等价的标记串序列。
执行词法分析的程序称为词法分析器，也称为扫描器。
词法分析是所有分析优化的基础，涉及的知识较少，如状态转换图等，易于实现。
词法分析阶段是编译过程的第一个阶段，是编译的基础。
这个阶段的任务是从左到右一个字符一个字符地读入源程序，即对构成源程序的字符流进行扫描然后根据构词规则识别单词(也称单词符号或符号)。
词法分析程序实现这个任务。
词法分析程序可以使用Lex等工具自动生成。
从左到右逐个字符对构成源程序的字符串进行扫描，依据词法规则，识别出一个一个的标记（token），把源程序变为等价的标记串序列。
执行词法分析的程序称为词法分析器，也称为扫描器。
词法分析是所有分析优化的基础，涉及的知识较少，如状态转换图等，易于实现。
2024/4/28 21:33:36
374KB
1
基于MATLAB的识别车牌车位管理系统的GUI界面设计（源程序-说明文档-演示视频）功能强大，操作流程；
1、选择图片（图中按钮），选取入库车牌2、开始识别（图中按钮）；
3、出库识别（图中按钮），同时可以查看车牌的预处理操作内容；
代码流程：入库:1、图像预处理包括：车牌粗定位、倾斜矫正、二值化、两次形态处理；
2、车牌精确定位；
3、车牌字符分割；
4、字符识别选择入库：车位减少，之前100变成99；
出库，识别:(同上)车位增加恢复到100；
计算停车时间和停车费用；
1、选择图片（图中按钮），选取入库车牌2、开始识别（图中按钮）；
3、出库识别（图中按钮），同时可以查看车牌的预处理操作内容；
代码流程：入库:1、图像预处理包括：车牌粗定位、倾斜矫正、二值化、两次形态处理；
2、车牌精确定位；
3、车牌字符分割；
4、字符识别选择入库：车位减少，之前100变成99；
出库，识别:(同上)车位增加恢复到100；
计算停车时间和停车费用；
2024/4/27 6:29:20
46.23MB
1
该课题是基于MATLAB神经网络的交通标志识别系统。
主要分3个步骤：定位，分割，识别。
其中定位部分，考虑我国的交通标志主要分禁令类，指示类和警示类，其中禁令类为红色，指示类为蓝色，警示类为黄色。
根据不同颜色比例组成，参数设置合理即可分离出图片中不同颜色分量。
但是，这肯定多少存在一些误分割，比如将其他红色，蓝色或者黄色的物体给分离，那么考虑到交通标志区域的分量肯定是最大的，利用形态学相关知识，按面积小于一定阈值进行滤除，即可得到精准的定位。
接着，分割出目标区域，得到彩色的目标区域。
最后利用bp神经网络方法进行训练，得到结果，并且输出。
整个设计带有一个可视化GUI界面，方便操作，布局合理，是你的不
主要分3个步骤：定位，分割，识别。
其中定位部分，考虑我国的交通标志主要分禁令类，指示类和警示类，其中禁令类为红色，指示类为蓝色，警示类为黄色。
根据不同颜色比例组成，参数设置合理即可分离出图片中不同颜色分量。
但是，这肯定多少存在一些误分割，比如将其他红色，蓝色或者黄色的物体给分离，那么考虑到交通标志区域的分量肯定是最大的，利用形态学相关知识，按面积小于一定阈值进行滤除，即可得到精准的定位。
接着，分割出目标区域，得到彩色的目标区域。
最后利用bp神经网络方法进行训练，得到结果，并且输出。
整个设计带有一个可视化GUI界面，方便操作，布局合理，是你的不
2024/3/29 2:03:25
2.01MB
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