本示例基于百度云，实现了部分人工智能人脸识别的接口，与大家交流。
本示例实现了：①获取access_token②人脸库管理－人脸注册（向人脸库中添加人脸）③人脸检测与属性分析：检测图片中的人脸并标记出位置信息;④人脸对比：两张人脸图片相似度对比⑤人脸搜索
本示例实现了：①获取access_token②人脸库管理－人脸注册（向人脸库中添加人脸）③人脸检测与属性分析：检测图片中的人脸并标记出位置信息;④人脸对比：两张人脸图片相似度对比⑤人脸搜索
2025/1/21 22:18:09
230KB
该程序采用MATLAB编写，带有orl_faces人脸数据库。
下载解压，可直接运行。
程序包含训练，识别精度计算，识别匹配等过程。
程序结果将以界面GUI形式展示。
下载解压，可直接运行。
程序包含训练，识别精度计算，识别匹配等过程。
程序结果将以界面GUI形式展示。
2025/1/21 11:14:24
22.64MB
分别用宽度优先、深度优先、贪婪算法和A*算法求解“罗马利亚度假问题”。
要求：分别用文件存储地图和启发函数表，用生成节点数比较以上四种算法在同一问题求解时的效率，列表给出结果。
要求：分别用文件存储地图和启发函数表，用生成节点数比较以上四种算法在同一问题求解时的效率，列表给出结果。
2025/1/19 17:07:08
1.94MB
东华大学核密度估计KDE代码第一部分是一个三维的彩色KDE估计图（最好用MATLAB画）；
第二部分是测试图片的运动目标二值图像检测结果（运动员用白色像素，背景用黑色）
第二部分是测试图片的运动目标二值图像检测结果（运动员用白色像素，背景用黑色）
2025/1/19 9:37:01
379KB
注意力机制是一种信息获取的通用机制，应用于从大量源数据中获取特定关键信息而避免对所有数据进行处理的场景。
注意力模型最近几年在深度学习各个领域被广泛使用，无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中，都很容易遇到注意力模型的身影。
所以，了解注意力机制的工作原理对于关注深度学习技术发展的技术人员来说有很大的必要。
注意力模型最近几年在深度学习各个领域被广泛使用，无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中，都很容易遇到注意力模型的身影。
所以，了解注意力机制的工作原理对于关注深度学习技术发展的技术人员来说有很大的必要。
2025/1/19 2:50:34
2.87MB
利用PCL点云处理库，显示点云文件，然后根据用户在窗口中点击的点云上的位置，计算点云三维坐标，并返回。
2025/1/18 22:58:06
33.95MB
基于视觉的曲线车道线检测完整代码，采用滑动窗口，详情见博客：http://blog.csdn.net/adamshan/article/details/78733302
2025/1/18 22:58:22
8.15MB