相关推荐
使用.NET 免费开源包ViewFaceCore做一个人脸识别并注册的功能,没有比我更全的
本文介绍了一个基于WinForm的免费人脸识别系统实现方案。系统使用AForge和ViewFaceCore库,支持从USB或电脑自带摄像头采集图像,具备人脸注册和快速识别功能。硬件方面仅需普通摄像头,软件依赖多个NuGet包(如AForge.Video、ViewFaceCore等)。界面包含视频显示、图像预览和功能按钮控件,后台采用SQLServer存储用户面部特征数据。核心代码展示了人脸检测、特征提取和多线程处理逻辑,通过ViewFaceCore实现高效识别。系统具有识别速度快、准确率高的特点,适合Win
神经网络学习小记录44——训练资源汇总贴
神经网络学习小记录44——训练资源汇总贴前言权值文件1、迁移学习(传统神经网络)2、目标检测3、实例分割4、语义分割数据集1、迁移学习(传统神经网络)2、目标检测3、实例分割4、语义分割 前言 包含我所有教程内所需的一些权值文献以及数据集,如果有什么缺的地方欢迎补充。 权值文件 1、迁移学习(传统神经网络) 1、Mobilenet 链接: https://pan.baidu.com/s/1hmC...
全差分运放+开关电容共模反馈
设计一种CMOS全差分折叠式共源共栅结构的运放,其共模反馈用的是开关电容(SC-CMFB)。 下面分别是主运放、偏置电路和开关电容共模反馈电路图 在设计时碰到的问题: 1、增益怎么测? 2、输出波形不平滑? 3、开关的时序频率设置多高? 解答: 1、先设计好主运放和偏置电路,使得运放的输出接近VDD/2,且主运放的管子都工作在饱和区,然后再参考何乐年的《模拟集成电路设计与仿真》仿增益。 2、增益仿完后,仿真瞬态,看电路的工作情况,于是将偏置电路上接Vb4与主运放断开,接到共模反馈上的Vbia上,然后就
神经网络与深度学习
神经网络与深度学习复习
学习记录——SIMPACK生成轨道谱文件的方法
生成轨道谱文件的方法,可以用于实测轨道谱导入和自制轨道谱导入仿真
Intel AX系列网卡5G热点开启失败?Linux下3种修复方案实测(含Ubuntu/OpenWRT)
本文针对Intel AX系列网卡在Linux系统下无法开启5G热点的常见问题,深入剖析了其根源在于内核LAR机制与驱动的兼容性。文章提供了三种实测有效的修复方案:针对内核低于5.5的模块参数法、适用于高内核版本的hostapd补丁编译法以及高阶的驱动修改法,帮助用户在Ubuntu、OpenWRT等环境中成功启用5G热点功能。
神经网络学习小记录27——数据预处理
神经网络学习小记录27——数据预处理学习前言处理长宽不同的图片数据增强1、在数据集内进行数据增强2、在读取图片的时候数据增强3、目标检测中的数据增强 学习前言 进行训练的话,如果直接用原图进行训练,也是可以的(就如我们最喜欢Mnist手写体),但是大部分图片长和宽不一样,直接resize的话容易出问题。 除去resize的问题外,有些时候数据不足该怎么办呢,当然要用到数据增强啦。 这篇文章就是记录...
声品质粗糙度matlab,声品质的应用分析方法
声品质的应用分析方法2016-04-05 09:18:57阅读次数:14198摘要:声品质分析在噪声的主观评价方面已经得到越来越多的应用。本文比较了声品质分析与传统计权声级的区别,并介绍了在声品质分析的实际应用中,针对稳态信号、非稳态信号的几种不同分析方法,以及各分析方法的要求和特点。关键词:声品质,响度,尖锐度,粗糙度,波动度1前言传统评价噪声的方法主要为计权声压级,用以反映声音的大小。但是人耳...
【小白记录深度学习】——物理信息神经网络(PINNs)
PINNs(Physics - informed Neural Networks,物理信息神经网络)的基本原理是应用神经网络来近似解决物理问题,将物理原理(用偏微分方程数学表达)作为先验知识,通过对偏微分方程残差的惩罚来实现。
基于FPGA的NCO实现
NCO实现原理 数字振荡器 输出频率,相位可控的正弦波,精度高,稳定性高,替代VCO,用起来方便也易于操作。 实现方式: 直接调用fpga里面的ip核,以下是IP核的配置方法: 接下来选择输出为单路还是多路: 最后生成ip核时需要注意的事项: 生成时会需要漫长的等待,因此需要如下操作: 最后成功生成: 实现代码: input clk ; input rst_n ; output [13:0]fsin_i ; wire [13:.
《PLECS仿真与实战:从建模到高端应用》-专栏文件目录
《PLECS仿真与实战:从建模到高端应用》是一本系统介绍PLECS电力电子仿真软件的实用指南。全书共10章,首先介绍软件安装与基础操作,包括RC电路仿真等入门内容;随后深入讲解各类电力电子电路的建模与仿真,涵盖整流、交交变换、直流变换、逆变等电路;最后探讨PWM控制建模和直流调速系统等高端应用。书中配有丰富的示例程序和波形分析方法,附录还包含电力电子器件、代码生成等实用资料。该书适合电力电子领域工程师和学生系统学习电路仿真技术。
神经网络学习小记录51——Keras搭建孪生神经网络(Siamese network)比较图片相似性
神经网络学习小记录51——Keras 搭建孪生神经网络比较图片相似性学习前言什么是孪生神经网络孪生神经网络的实现思路一、预测部分1、主干网络介绍 学习前言 最近学习了一下如何比较两张图片的相似性,用到了孪生神经网络,一起来学习一下。 什么是孪生神经网络 简单来说,孪生神经网络(Siamese network)就是“连体的神经网络”,神经网络的“连体”是通过共享权值来实现的,如下图所示。 所谓权值共享就是当神经网络有两个输入的时候,这两个输入使用的神经网络的权值是共享的(可以理解为使用了同一个神经网络)。
【网络安全 | 渗透工具】密码字典生成工具crunch、cupp安装使用教程
Crunch是一个常用的密码破解工具,它可以根据指定的字符集、长度和模式生成各种可能的密码并进行暴力破解。同时,Crunch可以将生成的密码保存到文件中,以便在破解工具中使用。在进行渗透测试时,手动收集密码字典是十分耗时的,利用密码字典生成工具可以大幅缩短时间,提高爆破宽度。
神经网络学习小记录24——卷积神经网络经典模型及其改进点汇总
神经网络学习小记录24——卷积神经网络经典模型及其改进点汇总学习前言经典神经网络的改进点经典神经网络的结构汇总1、VGG162、ResNet503、InceptionV34、Xception5、MobileNet 学习前言 学了好多好多的网络,它们的重点都是什么呢? 经典神经网络的改进点 名称 改进点 VGG16 1、使用非常多的3*3卷积串联,利用小卷积代替大卷积,该操作使得其...
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具
LinePhone3.2.7(android端最新版本) sip客户端
SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/
吴恩达深度学习课程作业记录 - 训练深度神经网络
本文是基于吴恩达老师的深度学习课程系列中第一门课所写,以最终实现手撸一份神经网络为作业而成。本文只为写下在实现网络过程中,自己感到过困惑的地方的总结,未覆盖实现全连接层神经网络的所有知识细节,如需更多深入了解,可以直达课程笔记。深度学习笔记-目录由于吴恩达老师的课程作业中大部分框架都已经搭好了,只需自己实现部分内容,导致忽略框架部分的实现,因此重新手写了所有代码(仍保留了原函数接口)。由于难点在于训练神经网络,因此只记录了与训练神经网络相关的步骤,使用神经网络(计算误差、预测)等部分未记录在此。
win10 跳过U8环境检测的IE WebControls.rar
win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。
深度学习(学习记录)
深度学习基本内容学习了解
NTscan扫描工具
ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。
关于神经网络的一些感悟
介绍了学习神经网络时候的一些感悟。
神经网络(学习记录)
(附源码)神经网络识别MNIST手写数据集
图神经网络学习记录:《图神经网络综述:模型与应用》
Graph Neural Networks: A Review of Methods and Applications 摘要:大量的学习任务要求处理元素间含有丰富关系信息的图形数据。物理系统的建模、分子指纹的学习、蛋白质界面的预测和疾病的分类都需要模型从图形输入中学习。在其他领域,如文本、图像等非结构数据的学习中,提取结...
神经网络学习小记录34——利用PyTorch实现卷积神经网络
神经网络学习小记录33——利用PyTorch实现卷积神经网络学习前言PyTorch中实现卷积的重要基础函数1、nn.Conv2d:2、nn.MaxPool2d(kernel_size=2)3、nn.ReLU()4、x.view()全部代码 学习前言 只有学习才能让人快乐。 PyTorch中实现卷积的重要基础函数 1、nn.Conv2d: nn.Conv2d在pytorch中用于实现卷积。 nn....
机器学习记录总结——神经网络
机器学习过程中的以下记录与总结
神经网络学习小记录56——Batch Normalization层的原理与作用
神经网络学习小记录57——Batch Normalization层的原理与作用学习前言什么是Batch NormalizationBatch Normalization的计算公式Bn层的好处为什么要引入γ和β变量Bn层的代码实现 学习前言 Batch Normalization是神经网络中常用的层,解决了很多深度学习中遇到的问题,我们一起来学习一哈。 什么是Batch Normalization Batch Normalization是由google提出的一种训练优化方法。参考论文:Batch Norma
《动手学深度学习》学习记录(四)—— 卷积神经网络
卷积神经网络(CNN)是一种使用卷积层的网络。对于一个卷积层,严格来说其所涉及的基本运算并不是卷积运算,而是互相关运算。我们可以举出以下例子来说明:这是一个二维互相关运算的运算图解,卷积窗口(核函数)从输入矩阵的左上角开始,依次向右、向下滑动,并依次与滑动所在位置上的矩阵(即重叠部分)进行按元素相乘,并将所有相乘的结果求和得到输出。
【学习记录】卷积神经网络常用概念
自学神经网络,记录一些基本的神经网络概念
神经网络学习小记录45——Keras常用学习率下降方式汇总
神经网络学习小记录45——Keras常用学习率下降方式汇总前言为什么要调控学习率下降方式汇总1、阶层性下降2、指数型下降3、余弦退火衰减 前言 学习率是深度学习中非常重要的一环,好好学习吧! 为什么要调控学习率 在深度学习中,学习率的调整非常重要。 学习率大有如下优点: 1、加快学习速率。 2、帮助跳出局部最优值。 但存在如下缺点: 1、导致模型训练不收敛。 2、单单使用大学习率容易导致模型不精...
深度学习——神经网络
本文梳理了深度学习中的核心网络模型及其组件。基础模型包括MLP(全连接层堆叠)、CNN(卷积结构处理图像)、RNN(循环结构处理序列)和Transformer(自注意力机制)。扩展模型涵盖跨模态融合(如CLIP)、图神经网络(如GCN)和强化学习网络(如DQN)。核心组件涉及网络层(卷积/全连接/注意力等)、激活函数(ReLU/Sigmoid等)、优化器(Adam/SGD等)、损失函数(交叉熵/MSE等)以及数据处理方法。通过系统分类和典型示例,为深度学习模型选择与设计提供参考框架。
818



被折叠的 条评论
为什么被折叠?



