- 综合排序
- 最热优先
- 最新优先
- 来自专栏喔家ArchiSelf
7行Python的人脸识别
AI涉及的领域众多，图像识别中的人脸识别是其中一个有趣的分支。 百度的BFR，Face++的开放平台，汉王，讯飞等等都提供了人脸识别的API，对于老码农而言，自己写一小段代码，来看看一张图片中有几个人，没有高大上，只是觉得好玩，而且只需要7行代码。 第3行 加载目标图片 imread 人脸识别系统一般分为：人脸图像采集、人脸图像预处理、人脸图像特征提取以及匹配与识别。 简化起见，之间读入图片，这是一张去年中生代北京闭门会的集体照。 第7行 保存检测后的结果 万事具备了，调用imwrite，将检测后的结果保存到指定的位置。 结果图如下： 神秘感不是这7行代码，而是OpenCV中的相关实现，OpenCV的中文网也是一个学习体会的好场所。 因此，7行代码只是个噱头，真正的核心是OpenCV。
1.9K30发布于 2018-08-22 - 来自专栏c++ 学习分享
【65001在win7不识别，在win10系统识别】
65001在win7不识别，在win10系统识别 #pragma code_page(65001) 是一个指示编译器使用特定代码页来编译资源文件的预处理器指令。 如果在 Windows 7 上遇到不识别代码页 65001 的情况，可能是由于以下几个原因： 资源编译器的支持：Windows 7 的原生资源编译器可能没有完全支持 UTF-8 编码。 系统更新：确保你的 Windows 7 系统已经安装了所有可用的更新。 大多数Windows应用程序都可以识别BOM，但某些程序和系统可能需要特定的顺序（Little Endian或Big Endian）。 在这种情况下，保存为UTF-16 LE格式通常是Windows平台上识别的默认方式。
1.7K10编辑于 2023-12-28 - 来自专栏燧机科技-视频AI智能分析
工厂人员行为识别检测基于YOLOv7
工厂人员行为识别检测 基于YOLOv7技术来实现的图像识别。人员行为识别图像识别算法是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。 目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。 如下图：图像识别和目标检测图片下面我们举个例子来说明 对于三种物体 人、车、摩托车，对于图像识别，输出列表为三个数字，分别代表图像中物体是人、车、摩托车的概率，例如对于上图的输出值或许是[0.001,
1.2K00编辑于 2022-12-06 - 来自专栏燧机科技-视频AI智能分析
渣土车密闭运输识别算法 yolov7
渣土车密闭运输识别算法通过python+yolov7网络模型技术，渣土车密闭运输识别算法对渣土车的密闭运输情况进行实时监测，检测到有未密闭的渣土车进入作业区域或者行驶在道路上时，算法将自动发出警报提示现场人员及时采取措施 渣土车密闭运输识别算法中除了我们大家都熟悉的python以外，接下来我们再介绍下YOLOv7。 与python不同，YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。 YOLOv7 研究团队提出了基于 ELAN 的扩展 E-ELAN。 渣土车密闭运输识别算法使用到的新的 E-ELAN 完全没有改变原有架构的梯度传输路径，其中使用组卷积来增加添加特征的基数（cardinality），并以 shuffle 和 merge cardinality
45720编辑于 2023-09-07 winform部署yolov7+CRNN实现车牌颜色识别车牌号检测识别
7。 它采用了深度学习技术，利用卷积神经网络对图像进行特征提取，并通过一系列的算法步骤，实现对目标物体的检测和识别。 相比于之前的版本，Yolov7在检测精度和速度上都有了显著的提升。 ）是一种常用于序列化文本识别的深度学习模型，由卷积神经网络（CNN）、循环神经网络（RNN）和转录层（CTC）组成。 CRNN模型通过结合CNN和RNN的优点，能够有效地处理图像中的序列化文本，包括识别、转录和校正等任务。 CRNN模型在文本识别任务中具有广泛的应用，包括车牌识别、路标识别、光学字符识别等。此外，CRNN模型还可以与其他技术相结合，如注意力机制、Transformer等，进一步提高模型的性能和准确率。
35910编辑于 2025-07-17- 来自专栏网站教程
centos7不重启识别新添加的硬盘
平时要是做到每次添加一些硬盘，不重启，系统就不会去识别新添加的硬盘，通过以下方式，可以不重启识别新添加的硬盘信息。
2.2K00发布于 2021-07-30 - 来自专栏深度学习和计算机视觉
模式识别考点总结（第7-12个ppt）
接上文。 ⑦ 第六章 近邻法 三种近邻法 近邻法是模板匹配 全部样本作为代表点 近邻法的计算量 近邻法的错误率 两个样本集搜索规则 压缩近邻法的步骤 ⑧ 第七章 主成分分析（PCA） 主
71020发布于 2019-10-24 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-9 人脸识别与特征脸
本章的最后一个小节介绍PCA在人脸识别领域的一个特殊的应用，也就是所谓的特征脸。本小节会介绍什么是特征脸，并通过可视化的方式直观的感受特征脸。 同样在这里我们依然使用sklearn内部为我们提供的人脸识别数据集"The Labeled Faces in the Wild face recognition dataset"。 对于人脸识别数据集而言，如果没有访问外国网站，虽然下载速度相对慢一点，但是还是能够下载的。 sklearn的人脸识别数据集大约200MB，相对而言数据集还是比较大的。 这就是这一小节所介绍的PCA在人脸识别领域中的一个专门的应用特征脸。 使用这种人脸图片足够的数据集进行人脸识别相对来说就比较靠谱。
1.4K20发布于 2019-11-23 - 来自专栏机器学习初学者精选文章
拒绝脸盲，7天挑战人脸识别技术，你敢来吗？
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。尽管人脸识别曾经只是出现在科幻电影里的“黑科技”，但如今，它早已进入到现实生活的各行各业，在实际场景中被广泛运用。 在ATM机上通过人脸识别进行取款、国家司法考试用人脸识别技术验证考生身份、在地铁等人流密集地将人脸识别应用于反恐活动、利用人脸识别在边检处推行自助通关……可以说，它涉及到社会运作的多个领域，为识别个人身份提供了高效的技术支持 常规情况下人脸识别特指人脸识别技术或系统，而作为技术人员的我们，其实可以把人脸识别简化为人脸检测和人脸识别。 3、具体识别：将带识别的图像或特征与人脸数据库里的特征进行匹配，得到最终的预测结果。 ? 现在，人民邮电出版社异步社区邀请京东CV算法工程师、北航硕士、计算机视觉、竞赛、科大讯飞金牌讲师刘老师，《动手学深度学习》训练营7天带你掌握人脸识别技术，理论知识和案例解析，让0基础的小白也能轻松入门！
1.3K10发布于 2021-02-08 - 来自专栏KT148A
KT1404A语音芯片USB连电脑，win7正常识别WIN10无法识别USB设备
一、简介KT1404A语音芯片画的板子，USB连接电脑，win7可以正常识别到U盘，WIN10提示无法识别USB设备（获取设备描述符失败），这是什么问题问题首先，这款芯片已经出货非常非常多了，所以稳定性是不用怀疑的其次 ，芯片的usb是符合usb标准的，也就是意味着不受电脑系统的影响，xp、win7、win10等等都是无缝支持的。 microusb接口连接电脑，设备管理器信息这里芯片是将存储器模拟成“大容量存储设备”，这个对windows来说是免驱动的也就是您购买的U盘设备，其实不需要找厂家要驱动安装包，是一个道理Window会自动识别
49510编辑于 2024-06-08 - 来自专栏燧机科技-视频AI智能分析
监控室值班人员脱岗睡岗识别算法 yolov7
监控室值班人员脱岗睡岗识别算法基于python+Yolov7深度学习神经网络算法，python+Yolov7算法模型可以7*24小时不间断自动识别现场画面人员行为，算法鲁棒性强。 YOLOv7 的发展方向与当前主流的实时目标检测器不同，同时支持移动 GPU 和从边缘到云端的 GPU 设备。 YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。 YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。 此外， YOLOv7 的在速度和精度上的表现也优于 YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR 等多种目标检测器。
1.5K00编辑于 2023-05-20 - 来自专栏姚红专栏
如果centos7添加新网卡，系统不识别的解决办法
#ifconfig 2.获取新增网卡的真实mac #ip addr 3.复制eth0到eth1并修改配置文件 #cd /etc/sysconfig/network-scripts #cp ifcfg-eth0 ifcfg-eth1 #vim ifcfg-eth1 要修改的内容有： HWADD 通过ip addr获取 UUID 我没有查到UUID，可以注释掉 NAME 改为当前的网卡
3.7K20发布于 2019-09-11 - 来自专栏前端博客
JPEGExifTIFF格式解读(4)：win10照片旋转win7不识别。
“相片”进行查看仍然显示为未旋转前的图片，因为不识别这个标志位。 资源管理器在显示分辨率那一栏中也自然是无法识别，低版本的程序无法识别高版本的标志位导致的问题。 试过JDK 8.0/9.0/10.0均无法识别，目前最新版本的OpenJDK 13.0版本也没能识别出来旋转后的分辨率。 但是，如果是在Windows XP或Windows 7当中，对图片文件进行旋转时，文件的内容做了全面的变化。旋转后的宽度与高度也会改变并保存到EXIF中，图片内容的改变。 www.jianshu.com/p/f5557c0e689e使用HTTP2和渐进式JPEG图片更快的加载图像 http转载本站文章《JPEG/Exif/TIFF格式解读(4)：win10照片旋转win7不识别
2.2K10编辑于 2023-04-22 - 来自专栏决策智能与机器学习
智能识别方面主要进展 | 语音识别、OCR识别、图像识别、生物识别…… | 智能改变生活
识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测、雷达信号识别、经济分析，以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等很广泛的领域。 语音识别：语音识别行业现在似乎维持着最大的平衡，因为国内外各家的引擎识别率都基本在同一个水平线上，差不多达到了当前语音识别技术的极限，彼此之间差距不是那么明显。 国内著名的车牌识别产品主要有中科院自动化研究所汉王公司的汉王眼、北京文通科技有限公司的文通车牌识别系统等。 ? 虹膜识别：现代信息社会对精准识别的需求，呼唤更加不可替代的生物体特征，虹膜识别应运而生。 目前主要应用有证件识别、银行卡识别、名片识别、文档识别、车牌识别等。 ? 唇语识别：相较于前文提到的语音识别、车牌识别、人脸识别等难度更大，其很大程度上取决于语言的语境和对其的了解，而这些都只通过视觉来呈现的。
6.2K30发布于 2020-08-04 - 来自专栏青年夏日
视频识别 动作识别 实时异常行为识别 等所有行为识别
大家好，我是cv君，很多大创，比赛，项目，工程，科研，学术的炼丹术士问我上述这些识别，该怎么做，怎么选择框架，今天可以和大家分析一下一些方案： 用单帧目标检测做的话，前后语义相关性很差（也有优化版）， 当然可以通过后处理判断下巴是否过框，效果是不够人工智能的），高抬腿计数，目标检测是无法计数的，判断人物的球类运动，目标检测是有很大的误检的：第一种使用球检测，误检很大，第二种使用打球手势检测，遇到人物遮挡球类，就无法识别目标 开始 目前以手势和运动识别为例子，因为cv君没什么数据哈哈 项目演示： 本人做的没转gif，所以大家可以看看其他的演示效果图，跟我的是几乎一样的~ 只是训练数据不同 一、 基本过程和思想
5.6K20发布于 2021-04-18 草莓叶子病害识别分割数据集labelme格式6110张7类别
，草莓开花图片 数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数)：6110 标注数量(json文件个数)：6110 标注类别数：7
25300编辑于 2025-07-22手势识别检测数据集VOC+YOLO格式778张7类别
文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：775 标注数量(xml文件个数)：775 标注数量(txt文件个数)：775 标注类别数：7
29810编辑于 2025-09-09- 来自专栏机器之心
模型仅有7M：轻量级高精度人脸识别方法DBFace
机器之心报道 参与：Racoon X 这个仅 7M 大小的人脸识别模型几乎识别出了世界最大自拍照中的所有人像！ ? 项目简介 之前机器之心报道过一个跨平台人脸识别项目，在 CPU 上就能轻松跑出 1000FPS。这次介绍的项目也是一个轻量级人脸识别项目。 不同的是，该项目在保持较小参数量的前提下，识别精度要高很多，并且只需要 OpenCV 和 PyTorch 就能运行。 DBFace 是一个轻量级的实时人脸识别方法，其有着更快的识别速度与更高的精度。 可以看到，DBFace 的识别准确率非常高，图中很多人脸甚至放大后单凭肉眼也很难分辨，DBFace 却仍然能够识别出来，并且模型大小仅 7M，完全能够在边缘设备上实时运行。 在 main.py 中，image_demo() 与 camera_demo() 分别对应静态图片识别与调用摄像头进行识别。
1.1K40发布于 2020-04-14 - 来自专栏机器之心
7 Papers | GPT-4等大模型自己制作工具；识别ChatGPT造假
机器之心 & ArXiv Weekly 参与：楚航、罗若天、梅洪源 本周的重要论文包括大模型迎来进化转折点，不只使用而且会自己制作工具了；北大、华为的研究者们提出的识别各式 AI 生成语料的可靠文本检测器 在最热门的大语言模型上，北大、华为的研究者们最近探索了一种识别方法。 如下列举了几个人和 AI 分别对同一问题做出回答的例子： 推荐：识别「ChatGPT 造假」，效果超越 OpenAI：北大、华为的 AI 生成检测器来了 论文 2：Towards Revealing 推荐：ICML 2023 | 基于模块化思想，阿里达摩院提出多模态基础模型 mPLUG-2 论文 7：Where to Go Next for Recommender Systems?
48310编辑于 2023-08-04 - 来自专栏DeepHub IMBA
可以提高你的图像识别模型准确率的7个技巧
如果您正在处理图像识别模型，您可以考虑通过使用数据增强来增加可用数据集的多样性。这些技术包括从将图像翻转到轴上、添加噪声到放大图像。 添加更多的层 向模型中添加更多层可以增强它更深入地学习数据集特性的能力，因此它将能够识别出作为人类可能没有注意到的细微差异。 这个技巧图解决的任务的性质。 如果您选择的图像尺寸太小，您的模型将无法识别有助于图像识别的显著特征。 相反，如果您的图像太大，则会增加计算机所需的计算资源，并且/或者您的模型可能不够复杂，无法处理它们。
3.3K20发布于 2020-09-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号