基于Resnet的垃圾分类系统
pytorch环境下,使用Resnet网络开发的垃圾分类系统,包含数据集,测试集,和测试结果。分类数据包含(电池、塑料瓶、蔬菜、香烟、易拉罐) 分类准确度达到了96%
pytorch环境下,使用Resnet网络开发的垃圾分类系统,包含数据集,测试集,和测试结果。分类数据包含(电池、塑料瓶、蔬菜、香烟、易拉罐) 分类准确度达到了96%
基于深度学习resnet网络开发的花卉分类识别系统,包含5种类别的花卉(玫瑰、向日葵、紫罗兰等),包含训练文件,也可以自己训练。可以单张图片识别也可多张一起识别,并开发了gui系统界面。在readme文件中做了说明。(有没有GPU均可运行)
matlab自动控制原理课设 要求通过gui界面做的 1.判断传递函数的稳定性 2.传递函数的各种响应图 3.niquestu图和bode 图 4.求稳态误差 文中包含完整的课设代码
通过Python 的 Request 库进行网络爬取,这样可以使得实验的数据为最新且实时动态更新,更有利于进行疫情数据的分析。通过爬取到的数据,利用 Pyecharts 库进行可视化数据分析,将繁琐的数据转换为于理解的图表形式,并发布在前端网页上,将details表里的各市累计确诊数据,以省分组进行累加,将结果返回给前端。根据各省疫情确诊的人数划分为6个等级,确诊人数由少到多,颜色随严重程度的加深而加深。在左下角进行颜色的说明。方便用户浏览和观察。 详细内容分析可以查看:https://blog.csdn.net/rookiefish/article/details/125460315?spm=1001.2014.3001.5502
基于sift特征匹配的交通标志识别系统 (1)在复杂背景下的交通信号分割研究中,通过在HSV颜色空间中选择合适的阈值范围,提取出可能出现目标的区域。最后,根据形状学特征在最大的预留区域再次搜索三角形,圆圈提取目标区域。在此基础上,对大量交通标志进行了图像分割实验。经验表明,HSV彩色区域的交通标志分割效果更好。 (2)选择SIFT特征,即满足旋转、平移和比例不变要求的特征向量。提出了分割图像的想法。将图像分割成固定数量的子块,计算每个子块内SIFT向量的平均值,得到该图像的特征向量。整个设计带有一个可视化GUI界面,方便操作,布局合理。 详细内容分析可见:https://blog.csdn.net/rookiefish/article/details/125458917?spm=1001.2014.3001.5502
在平面几何中,3点可以确定唯一的圆,5点可以确定唯一的椭圆,本文在MATLAB中输入5个点,使用无边界多元优化函数确定出唯一的椭圆,用ezplot画出,求出椭圆中心点,最后给出了完整代码.
无人机具有体积小、时效性强、操作灵活、成本低等优点,其航拍遥感技术被广泛应用于灾害监测、环境侦察等方面。遥感图像预处理作为无人机图像拼接的第一环节,其处理效果会直接影响到后续拼接的速度、配准准确度以及图像拼接质量。 受限于无人机的飞行高度低、体积小、重量轻导致的抗风能力差、数码摄像头焦距不足等因素的限制,无人机遥感技术所拍摄的图像往往像幅小、数据量大;无人机遥感图像还会受到诸多环境变量的影响,如光照、烟雾等,这也导致了即使是相邻多幅图像之间,也会存在较大的亮度差异和色调差异,这些也会影响到特征点检测的准确度以及最后图像融合的质量,因此在预处理阶段中引入图像增强十分必要。在任何图像采集过程中,噪声干扰都是需要考虑的因素,本文所提出的基于图像锐化的平滑处理能够有效地去除噪声并增强图像细节为下一步特征配准打下良好的基础。
自然辩证法是关于自然界和科技发展的一般规律及人类认识和改造自然的一般方法的科学。图像处理就是一门研究图像的获取、分析、存储、处理的学科。由于外界环境或者采集设备的因素,得到的图像一般不能令人满意,所以要进行图像的增强处理。图像直方图均衡化是一种常用的灰度图像增强方法。采用自然辨证法中的演绎推理思想,从处理灰度图像的基础上,推出彩色图像处理的算法,它是从一般到特殊。在开始只是对RGB分量分别均衡化,导致了彩色图像的失真。因此又提出了新的算法,将均衡化之后的图像按照一定的比例系数进行合成,这样保证了原始图像的RGB比例和均衡化之后的RGB比例的一致性,即防止了图像的失真。通过MATLAB实验的仿真,验证了算法的可行性。最后进行了不同图像以及不同方法之间的比较,运用辩证法的思想得出最后的最优抉择。
通过camshift实现视频目标跟踪,运行camshift.m即可运行,可直接用鼠标选定目标跟踪框。
基于MATLAB神经网络的交通标志识别系统。包含分禁令类,指示类和警示类,三种类别的交通标志均可识别,根据三种标志颜色不同通过HSV颜色空间定位到交通标志,然后利用形态学相关知识,按面积和长宽比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,整个设计带有一个可视化GUI界面,方便操作,布局合理。