登录社区云，与社区用户共同成长
邀请您加入社区
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自|新机器视觉机器视觉是人工智能重要分支，机器视觉在应用上具有广泛性，能够在智能制造，以及众...
基于Kendryte K210的本地化人脸识别门禁系统，实现低功耗、高安全、无需联网的实时识别。利用MobileNetV1轻量模型与INT8量化，在6MB SRAM内完成端到端推理，支持活体检测与多模态认证，适用于低成本智能门禁场景。
CenterLoss - A Discriminative Feature Learning Approach for Deep Face Recognition[Paper][Caffe-Code]摘要：Center Loss For Face Recognition - 提高CNN学习的特征的判别能力.Center Loss 通过学习每一类的深度特征的...
人脸识别package com.acts.opencv.demo;import javax.servlet.http.HttpServletRequest;import javax.servlet.http.HttpServletResponse;import org.opencv.core.Core;import org.opencv.core.Mat;import org.opencv.cor
在当今数字化时代，图像识别技术正逐渐成为各个领域中的重要组成部分。本文将介绍一个使用Tensorflow框架搭建深度学习的图像识别应用项目，该项目基于VGGNet和深度置信网络（DBN），实现本地化批量图像识别的突破。本文将详细介绍相关方法和实验结果。通过结合这两种强大的算法，成功地提高了图像识别的准确率，并对识别结果进行标签化，从而实现了对多样化场景的准确识别。
父老们，乡亲们！当今最热门前沿的技术是什么？没错儿，那必须是人工智能AI！而你随处可见的自动驾驶、刷脸支付、门禁识别、无人零售、还有方便我们疯狂剁手的拍照购物等应用，其中一个关键技术就是图...
一、前言最近在做课程设计，之前都是用OpenCV 做人脸识别，今天了解到百度AI 开放平台也提供人脸识别这一功能，于是来试了试。二、开始1）准备工作首先注册百度AI 开放平台的开发者；然后创建应用（记得在所使用功能处勾选人脸识别等功能）；获得AppID、API Key、Secret Key；找到Python SDK 文档说明(我个人比较倾向于使用python sdk 开发 ???? )...
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自：AI算法与图像处理机器视觉行业对于表面检测相比前几年已经有很大的突破了，对于产品表面的划...
简单的说这是基于图像动态捕捉处理、人脸识别、机器人视觉处理、图像信息认知录入等多为一体计算机视觉库
如果你想检测更小的人脸，可以增加这个值（如 1 表示上采样一次），但会降低速度。dlib.get_frontal_face_detector() 返回一个基于 HOG + 线性 SVM 的人脸检测器对象。该检测器经过大量训练，能检测不同大小、不同角度的人脸（正面和侧面）。通过对比可以看出，dlib 更适合对准确率有较高要求的场景，如果你的应用对实时性要求极高，可以继续使用 Haar，反之则推荐 d
为此，在每个像素处，检查像素是否是其在梯度方向上附近的局部最大值，最后采用双阈值法得到最终图像，它的原理是，在非极大值抑制后的边缘点中，设置两个阈值TH和TL，梯度值超过TH的为强边缘，小于TH大于TL的为弱边缘，小于TL的不是边缘，可以肯定的是，强边缘必然是边缘点，因此必须将T1设置的足够高，以要求像素点的梯度值足够大（变化足够剧烈），而弱边缘可能是边缘，也可能是噪声，如何判断呢？当弱边缘的周围
本文转载自：http://blog.csdn.net/qq_14845119/article/details/51913171ImageNet ImageNet是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家李飞飞模拟人类的识别系统建立的。能够从图片识别物体。目前已经包含14197122张图像，是已知的最大的图像数据库。每年的ImageNe
实现人脸识别的主要流程如下图所示：LBPH（局部二值模式直方图）EigenFaces（特征脸）FisherFaces（费舍尔脸）下面将逐一详细介绍这三种方法的原理与实现。
物体跟踪（Object Tracking）是指在视频序列中持续定位和追踪特定目标的过程。智能监控：持续跟踪可疑目标或行人自动驾驶：跟踪前方车辆、行人等障碍物增强现实（AR）：跟踪标记物以叠加虚拟内容人机交互：手势跟踪、眼球追踪等与目标检测不同，物体跟踪侧重于连续帧间的一致性，利用时间序列信息实现高效的目标定位。
ROS理论和实践—第五章机器视觉最近在学胡春旭大神的ROS理论和实践，想把学习过程和作业记录下来，希望能和大家一起交流，一起学习进步。今天看到了第五章机器视觉和机器语音。从我学的地方开始吧，以后有时间再把之前的补上来。我自己学的话主要是看视频，自己在Ubuntu上运行命令行，出现问题，解决问题。一、 ros+opencv之人脸识别：下载安装opencv、创建功能包和加入robot_vision编译
<br />去年自己系统研究了以下几个方面的技术,并取得了一系列的研究成果:<br />(一)图象预处理技术<br />主要包括有图象增强,边缘提取,光照消除,直方图分析等技术的研究和实验.特别是在光照消除方面研究了Retinex技术,并在PC端做了模拟仿真.实验证明效果非常好,从根本上解决了人脸识别中的光照影响问题.<br />缺点是运算量可能较大,在嵌入式系统中应用需要进一步优化.<br />
父老乡亲们！你知道人脸、商品、车辆识别，以图搜图乃至自动驾驶，背后的技术是什么嘛？起初小编觉得不就是图像分类、目标检测这些东西嘛，有什么难的？但能熟练这些应用的BAT高级工程师们都轻松年薪...
实战三：手把手教你实现物体识别一、基于Haad+Adaboost实现人脸识别1.原理介绍（参考下面的博客文章）http://www.cnblogs.com/ello/archive/2012/04/28/2475419.htmlHaar分类器 = Haar-like特征+积分图方法+AdaBoost+级联Haar分类器算...
目前建筑行业在规划、作业及监管方面都存在人力成本高、效率低下的问题。“十四五”新时期，建筑业如何落地数字化转型，推动行业高质量发展成为业内关注的问题。科技公司Rokid基于自身的技术积累和研发生产能力，为智慧工地建设提供定制化的解决方案。 在AI与物联网的共同作用下，物理世界将实现万物智联，创造出一个与之孪生的数字世界。楼宇、园区、社区、商业网点等城市里的建筑不仅仅是一个空间，更衍生出了场景
