人脸样本库，正负样本各10000例，男人+女人，训练人脸识别模型使用
2021-07-31 10:48:48
132.15MB
1
而深度学习的引入，使得在我们在复杂场景下进行字符识别更为便利。
本项目通过使用pytorch搭建resnet迁移学习模型实现对复杂场景下字符的识别。
2021-07-21 19:38:41
77B
1
Face-Recognition：人脸识别算法在Keras当中的实现
目录
所需环境
tensorflow-gpu==1.13.1
keras==2.1.5
文件下载
进行预测所需的facenet_keras.h5可以在Release里面下载。
也可以去百度网盘下载
链接: 提取码: tkhg
使用方法
1、先将整个仓库download下来。
2、下载完之后解压，同时下载facenet_keras.h5文件。
3、将facenet_keras.h5放入model_data中。
4、将自己想要识别的人脸放入到face_dataset中。
5、运行face_recognize.py即可。
6、align.py可以查看人脸对齐的效果。
效果
face_recognize.py的运行结果：
)
2021-07-09 16:13:22
2.43MB
1
matlab肌电信号处理代码介绍
本文档简要描述了运行Matlab代码以管理我们建议的EMG数据库所需的步骤。
我们基于人工前馈神经网络实现了实时手势识别，以测试每个用户的数据。
描述
“手势模型示例MATLAB”文件夹包含用于管理EMG数据库的Matlab代码。
每个脚本均包含其功能的说明以及版权信息。
如果您要将数据集和代码用于商业目的，请联系论文的通讯作者Marco
E.Benalcázar。
描述
Matlab
2019a或更高版本
深度学习工具箱
信号处理工具箱
Matlab的说明：
转到我们的GitHub存储库，下载或克隆示例以在Matlab中管理数据集。
打开Matlab并选择示例文件夹。
通过运行文件夹/
DTW距离中的脚本compileDTWC.m来编译计算DTW距离的mex函数。
您只需在将运行代码的计算机中执行一次此步骤。
在从以下链接运行代码之前，请下载数据集：
复制并替换与下载的存储库文件夹中的数据集对应的文件夹。
运行脚本main.m运行此脚本后，您将需要等待几分钟以获得结果。
在变量userFolder中，您可以更改测试或培训以选择用户组。
在我们的案例中
2021-06-08 09:25:56
63.85MB
1