matlab口罩识别代码openreview_lungtumouriclr2018
COMP
551
最终项目：从
ICLR
2018
中复制一篇论文。
JVZ
团队
以下存储库包含用于重现
ICLR
2018
年会议提交结果的代码：肺肿瘤定位和使用
ALEXNET
和自定义
CNN
进行识别
dicom2png.m
：将原始下载的
LIDC-IDRI
数据集转换为
PNG
图像的文件夹，按患者
ID
排序，并使用每个切片的
SOP
ID
进行重命名。
convertLabels.m
：将数据集中的
xml
标签转换为
Matlab
Map
对象，通过其
SOP
对每个切片进行索引，并包括标记为结节的每个像素的矩阵。
然后脚本为每个切片创建相应的图像掩码，其中
0
对应于良性组织，1
对应于标记的结节。
此脚本利用
Wouter
Falkena
的
xml2struct
实现（请参阅包含的许可证文件）。
像素标签结果保存为
pixelmap.mat。
buildDatastore.m
：构建一个数据存储对象，索引
PNG
文件夹中的所有切片，并使用由
convertLabels.m
生
2021-10-08 14:04:37
54.59MB
1
课程演示环境：Windows10；CUDA10.2; cuDNN 7.6.5; Python 3.7; Visual Studio 2019; OpenCV3.4需要学习Ubuntu系统YOLOv4的同学请前往《YOLOv4目标检测实战：人脸口罩佩戴检测》
课程链接：https://edu.csdn.net/course/detail/28860
当前，人脸口罩佩戴检测是急需的应用，而YOLOv4是新推出的强悍的目标检测技术。本课程使用YOLOv4实现人脸口罩佩戴的实时检测。课程提供超万张已标注人脸口罩数据集。训练后的YOLOv4可对真实场景下人脸口罩佩戴进行高精度地实时检测。
本课程会讲述本项目超万张人脸口罩数据集的制作方法，包括使用labelImg标注工具标注以及如何使用Python代码对第三方数据集进行修复和清洗。
本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做人脸口罩佩戴检测项目演示。具体项目过程包括：安装YOLOv4、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。
2021-09-01 12:13:43
11.95MB
1
linux opencv口罩识别程序有图有代码，经过opencv读取本地或者USB摄像头，进行识别；并且视频流ffmpeg yuv转h264保存成文件，提供图像显示时间案例代码，文件夹提供正负样本图和opencv xml模型
2021-08-12 19:02:44
27.41MB
1
yolo3口罩识别源码，里面有大量口罩数据集训练成的口罩模型，识别口罩准确度高达百分之98，下载即可运行#资源达人分享计划#，#源码类#
2021-08-10 18:13:30
479.73MB
YOLOV5口罩检测数据集，含有训练集和测试集，标签为yolo格式的txt文件，每行表示一个目标，从左向右依次为labelid centerx centery w h
2021-05-24 14:06:44
570.7MB
基于python的通过收集人脸数据进行训练，识别人是否戴口罩。调用第三方库opencv进行特征检测，此压缩包可用于学校相关课程大作业提交
2021-05-12 15:14:04
20.84MB
1