自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

haosen

机器学习算法实现

  • 博客(207)
  • 资源 (33)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 window系统下python深度学习开发环境配置

一：python的安装python下载地址：https://www.python.org/getit/1.1. 从这里选择要下载的python及版本（注意你的系统是32位or64位），windows第一个，目前咱们所要下载的版本基本都是python3.6以上（建议下载installer结尾的文件）： 1.2.下载好后，解压找到python的.exe...

2020-04-19 18:29:38 1686 4

原创 基于YOLOv8模型监控视频中的车辆检测与识别应用

该项目旨在通过技术手段加强交通纪律，提供一种更为人性化和智能化的交通监控方法。具体而言，通过利用PyQt5、YOLOv8和TensorFlow等技术栈，实现了对车辆的高效检测与识别，主要实现车辆类型识别以及速度监测等功能，从而帮助交通管理部门更好地监控交通状况，及时发现并处理交通违规行为。

2024-12-18 22:45:29 451

原创 基于MobileNet v2模型的口罩实时检测系统实现

实时口罩检测器：从导航栏中的链接“实时的口罩检测器”功能，该系统包含一个实时检测用户是否佩戴口罩的功能。基于图片的口罩检测器：从另一个导航链接“基于图片的口罩检测器”进入，该系统还提供了一个上传图片来检测是否佩戴口罩的功能。

2024-12-16 22:58:34 330

原创 基于图像处理和机器学习的水浑浊度预测研究与系统实现

本文实现了一个基于图像处理的水浑浊度预测系统。首先，通过Python的图像处理库读取图片并截取有效区域，然后将图片数据划分为RGB三个颜色通道，并转换为像素值矩阵。接着，自定义函数计算三个颜色通道的一阶、二阶和三阶颜色矩，作为图像特征。为了批量处理图像，还自定义了函数获取指定路径中的所有图片名称，并计算它们的颜色矩特征，保存为数组。这些特征数据集用于训练机器学习模型，包括人工神经网络（ANN）、线性回归和K-最近邻（K-NN）等，以预测水的浑浊度。

2024-12-16 22:27:16 1314

原创 基于卷积神经网络的垃圾分类系统实现（GUI应用）

本文主要实现了一个卷积神经网络模型进行垃圾图像分类，为了提高垃圾分类模型的准确率，使用使用Batch Normalization层、使用早期停止策略来防止过拟合等方法来优化模型，实验结果显示最终优化后的模型准确率较高90%左右。最终，本文基于PySimpleGUI库实现了一个图形用户界面（GUI）应用程序，旨在演示如何使用深度学习模型进行垃圾分类预测。

2024-12-11 22:10:10 1095

原创 基于MobileNetV3架构动物声音分类识别与应用系统实现

本文主要实现了一个基于MobileNetV3架构的深度学习模型用于动物声音分类识别任务。该MobileNetV3是一种轻量级的卷积神经网络，旨在实现高效分类性能，本章在猫、狗、海豚等三个动物声音(.wav数据集）上进行了训练和测试，即在动物音频数据集上进行训练，以学习区分不同动物的声音特征，其准确率可达92%。最后本文基于训练好的模型参数实现了一个动物声音分类识别的网页系统，该系统功能功能包含上传音频进行识别和录音识别。

2024-12-10 22:26:14 1071

原创 基于卷积网络结构的火灾检测系统实现

本文实现了实现了一个完整的火灾检测工作流，从数据预处理、模型训练到最终的推理和报警功能。首先基于卷积神经网络（CNN）模型，设计实现了一个可分离卷积（）和残差连接的卷积神经网络模型，该模型经过实验证明能够适用于图像分类任务，特别是火灾检测任务。最后本文基于训练好的参数实现了一个火灾检测系统，该系统能够高效、准确地检测图像或视频中的火灾，并通过报警提示用户。

2024-11-30 01:16:08 532

原创 基于深度卷积神经网络（CNN）模型的图像着色研究与应用系统实现

许多历史照片都是黑白的，通过颜色化可以恢复这些照片的历史感和真实感，使人们更好地理解和感受历史事件。随着深度学习技术的发展，特别是卷积神经网络和自监督学习的兴起，研究人员提出了新的方法来解决这些问题。通过将颜色化问题表述为分类任务，并使用大规模数据集进行训练，开发一种完全自动的、生成逼真彩色图像的方法。本文将深度卷积神经网络（CNN）设计实现一个复杂结构的生成模型，旨在通过多阶段的编码器-解码器结构，能够有效地将灰度图像转换为彩色图像。

2024-11-21 23:51:14 611

原创 深度学习—基于YOLOv8的人物目标检测和分割（跟踪）

随着计算机视觉技术的飞速发展，目标检测与图像分割作为其中的重要分支，广泛应用于安防监控、自动驾驶、医疗影像分析等多个领域。YOLO（You Only Look Once）系列作为目标检测领域的佼佼者，以其高速度和高精度著称。本文将实现YOLOv8目标检测算法。首先，我们在已经有的数据集上训练 YOLOv8 模型，以实现准确的行人检测。最后，我们将YOLOv8模型嵌入到系统网页中，以实现人物对象的检测和跟踪。该项目提供了一个用户友好且可自定义的界面，能够在实时视频流中有效检测和跟踪对象。

2024-10-21 23:53:19 603

原创 毕业设计—基于 Inception-ResNet模型的皮肤癌分类系统实现

该数据集收集了来自不同人群的皮肤镜图像，通过不同的方式获取和存储。最终数据集包含 10015 张皮肤镜图像，可用作学术机器学习目的的训练集。该数据集名为： HAM10000 的公共数据集。可以自行下载。

2024-10-19 12:43:13 1061

原创 机器学习—基于随机森林的贷款可能性预测系统实现

‌贷款预测通常指的是通过机器学习模型来预测个人或机构是否有资格获得贷款，以及贷款的条件，如贷款金额和利率。‌ 这种模型在银行和金融机构中广泛应用，有助于自动化贷款批准流程、提高效率、减少风险和改善客户体验‌。贷款预测模型是一种分类问题，其目的是预测一个贷款是否能够被批准。数据集通常包含多个特征，如申请人的信用评分、收入、债务比例等，这些特征用于训练模型，从而能够判断申请人是否符合贷款条件‌。

2024-10-19 00:17:39 589

原创 基于机器学习的蘑菇毒性预测分析及应用实现

本文旨在设计一种基于机器学习的算法，用于蘑菇毒性的预测。研究选用了UCI的Mushroom Data Set蘑菇数据集，并实现了朴素贝叶斯、决策树、逻辑回归等几种常用的机器学习算法，以实现对蘑菇毒性的精准预测。最终，本研究成功构建了一个操作简便、易于应用的蘑菇毒性识别与分类系统。（整个项目装逼又简单）

2024-10-17 23:02:18 761

原创 毕业设计之—基于ManTra-Net的图像篡改检测方法研究与应用实现

随着互联网、社交媒体和简易图像操作工具的普及，图像篡改带来的问题日益严重。为了解决这一问题，研究者们利用深度卷积神经网络来检测图像篡改并定位篡改区域。为此我们训练了一个ManTra-Net模型，该模型以TensorFlow为后端，使用Adam优化器和分类交叉熵损失函数进行训练。此外，我们还实现了一个Web界面，该界面使用Flask框架开发的Python后端API端点服务器，使用户能够上传图像并接收突出显示篡改区域的输出图像。这一Web界面简化了与模型的交互过程，提高了用户的使用体验。

2024-10-11 20:48:55 1015

原创 计算机毕业设计—基于python技术的机器学习、深度学习毕业设计选题的一些思考及参考

选择机器学习、深度学习算法类毕业设计题目的重要性在于，尽管算法听起来高大上，但其实现往往较为简单，代码通常简洁易懂。这使得能够快速上手，同时在学习过程中掌握关键概念和技能。此外，算法类项目通常具备良好的可扩展性，能为进一步的研究和应用提供广阔的空间。这种平衡使得算法类题目既具挑战性又容易实现，适合不同水平的学生。

2024-10-09 23:54:44 5831

原创 基于卷积神经网络的垃圾图像分类系统研究与实现

垃圾分类作为资源回收利用的重要环节之一, 可以有效地提高资源回收利用效率, 进一步减轻环境污染带来的危害. 随着现代工业逐步智能化, 传统的图像分类算法已经不能满足垃圾分拣设备的要求. 本文提出一种基于卷积神经网络的垃圾图像分类模型 (Garbage Classification Network, GCN). 实验结果证明, GCN 在垃圾分类数据集上取得了优异的结果, 能够有效地提高垃圾识别精度。

2024-04-21 01:22:50 2531 2

原创 基于机器学习的人脸发型推荐算法研究与应用实现

本文主要研究内容是开发一种发型推荐系统，旨在识别用户的面部形状，并根据此形状推荐最适合的发型。首先，收集具有各种面部形状的用户照片，并标记它们的脸型，如长形、圆形、椭圆形、心形或方形。接着构建一个面部分类器，以确定用户的脸型，如长形、圆形、椭圆形、心形或方形。然后，使用机器学习或深度学习技术构建一个面部分类器模型。该模型接受用户照片作为输入，并输出对应的面部形状分类结果。基于分类结果，根据面部分类器的输出结果，为每种面部形状设计一组适合的发型。最终实现的系统将推荐适合用户面部形状的发型。

2024-04-14 23:17:45 1814 1

原创 基于人脸识别的发型推荐系统代码实现

本文介绍了一个基于人脸识别技术的发型推荐系统的实现与分析。该系统利用Python编程语言和相关库，结合Face++人脸识别API，实现了用户上传照片后的性别识别、脸型分析和发型推荐功能。首先，用户通过Tkinter GUI界面选择上传照片，系统使用PIL库打开并调整图像大小，然后利用Face++ API进行性别和脸型的识别。根据识别结果，系统从预先准备好的发型图片中选取适合的发型进行推荐，并展示给用户选择。

2024-04-14 12:48:55 1638

原创 基于 LSTM 模型的古诗词自动生成算法实现及系统实现

本文主要采用 LSTM（长短期记忆网络）神经网络模型来实现古诗的自动生成。首先，通过设计和实现循环神经网络（LSTM）诗歌生成模型，包括模型结构的设计、参数的设置以及模型的训练过程。然后，根据用户输入的条件，调用相应的模型生成相应的诗歌内容，并结合 Flask 技术将生成的诗歌展示在前端界面上，供用户阅读。

2024-04-14 01:18:47 4006

原创 基于VGG的图像风格迁移算法实现及系统应用实现

图像风格迁移是计算机视觉领域的一个研究热点，它旨在将一幅图像的风格特征转移到另一幅图像上，被视为图像纹理转移问题。传统方法主要采用非参数方法，但局限于提取图像的底层特征，而不能捕捉到图像的高层抽象特征。随着卷积神经网络（CNN）的发展，图像风格迁移技术迎来了革新，其应用场景也变得更加广泛，涵盖视频处理、拍照美颜、社交沟通等多个领域。本文旨在实现基于CNN的图像风格迁移技术，并构建一个图像风格迁移的Web应用，从而使该技术能够更加广泛地应用于实际场景中。

2024-04-13 23:55:21 1451

原创 python实现视频转GIF动图（无水印，包含代码详解和.exe执行文件）

该代码提供了一个简单的界面，允许用户将视频转换为GIF动画，并且可以自定义采样率、GIF帧率和输出大小。修改后的代码将视频帧的大小调整为固定的尺寸，并在生成GIF动画时保持这个尺寸。

2023-08-01 18:28:06 1243

原创 基于深度强化学习的DQN模型实现自动玩俄罗斯方块游戏（附详细代码讲解）

DQN（Deep Q-Network）是一种强化学习方法，通过结合Q-learning算法和深度神经网络来解决强化学习问题。它是深度强化学习的里程碑之一，由DeepMind在2013年提出，被广泛应用于各种复杂的强化学习任务。DQN方法的概述如下：1.强化学习问题：在强化学习中，智能体与环境进行交互，通过观察环境的状态并采取动作，来最大化累积奖励。智能体在环境中移动并与之交互，不断学习并优化策略，以在不同的状态下选择最优动作。

2023-07-28 15:36:01 2489

原创 基于穷举搜索的AI自动实现俄罗斯方块游戏（核心代码详解）

这个俄罗斯方块AI的核心思想是通过穷举搜索当前形状和下一个形状的所有可能的放置组合，并为每个组合计算一个得分。得分是根据游戏板面的状态来评估每个组合的优劣，最终选择得分最高的放置策略。具体的实现步骤和核心思想如下：穷举搜索：通过嵌套的循环，穷举当前形状和下一个形状的所有可能的放置组合。首先确定当前形状的方向d0和在x轴上的起始位置x0，然后确定下一个形状的方向d1和在x轴上的起始位置x1。这样就得到一个可能的放置组合，然后再依次尝试所有的组合。计算下落距离：对于每个放置组合，通过。

2023-07-27 21:45:55 1436

原创 基于Python 和pygamae实现的超级玛丽（包含代码）

游戏过程中总是伴随着各种行为，如游戏物体的移动，游戏角色形态的变化，逻辑页面的跳转等等。这些行为和变化往往包含多个状态，妥善管理和设计这些状态将简化游戏开发，也便于游戏维护和扩展。本代码使用游戏状态机对这些状态进行管理。游戏状态机即是有限状态机(FSM),其将游戏对象的所有状态分隔开来，状态间在满足一定条件的情况下可以相互转换。1.1逻辑界面的跳转游戏界面是指玩家打开游戏后的操作界面，不同操作界面的内容、功能不同，各个操作界面之间在一定条件下可发生相互转换。

2023-07-27 19:36:54 2375

原创 基于python和pygame实现的植物大战僵尸

游戏界面：进入游戏后，玩家会看到一片植物园的背景，并且屏幕上会有一系列僵尸从右侧进入，以及一系列可种植的植物卡片在下方的选择栏中。抵御僵尸：种植的植物会自动攻击靠近它们的僵尸，玩家需要合理布局植物，让它们尽可能地击败更多的僵尸，防止僵尸进入自己的家园。种植植物：玩家可以选择植物卡片并在地图上种植，每种植物都有不同的功能和攻击方式，如向前发射豌豆、寒冰等。游戏失败：如果有僵尸成功进入家园，玩家失败，游戏结束，可以选择重新开始或返回主菜单。主菜单：游戏开始时，显示主菜单，提供游戏开始、继续、退出等选项。

2023-07-27 16:52:19 797 1

原创 基于深度神经网络的肺炎检测系统实现

使用AI进行新冠肺炎图像诊断可以加快病例的诊断速度，提高诊断的准确性，并在大规模筛查中发挥重要作用，从而更好地控制和管理这一流行病。然而，需要强调的是，AI技术仅作为辅助手段，最终的诊断决策仍由临床医生做出。

2023-07-24 17:27:38 1615

原创 手把手教你实现—基于OpenCV的车流量统计和车速检测代码

如果找到匹配的车辆，更新该车辆的追踪器对象，位置信息和ID。如果没有找到匹配的车辆，创建一个新的追踪器对象，将其添加到carTracker中，并更新位置信息和ID。在每一帧中，函数更新已跟踪车辆的位置和质量，并计算车辆的速度。本章将实现了一个简单的车辆速度估计和车流量统计的GUI应用，它使用了Haar级联检测器和相关跟踪器来检测和跟踪视频中的车辆，并通过图像处理和数学计算来估计车辆的速度。综上所述，该函数根据两个位置之间的像素距离、帧率和像素到米的比例关系，估计车辆的速度（以千米/小时为单位）。

2023-06-08 19:33:33 4752 3

原创 基于双分支残差结构的低光照图像增强研究与应用实现

LOL数据集是用于低光照图像增强的一个常用数据集。它是由Yue et al.在2015年发布的，用于评估低光照图像增强算法的性能。LOL数据集包含485对低光照图像和对应的正常光图像。每对图像都是在相同的场景下采集的，其中一张图像是低光照条件下的原始图像，另一张是由人工调整亮度和对比度后的正常光图像。LOL数据集的图像覆盖了各种场景和对象，包括室内和室外环境、自然风景、人物肖像等。这使得LOL数据集成为评估低光照图像增强算法的重要基准。

2023-05-31 22:56:36 1810 1

原创 基于ISIC数据集的皮肤病黑色素瘤分类研究与实现

ISIC数据集是一个公开的医学图像数据集，主要用于皮肤病诊断和研究。该数据集包含大量的皮肤病图像，覆盖了各种皮肤疾病和病变。ISIC数据集包含各种皮肤病图像，例如黑色素瘤（melanoma）、鳞状细胞癌（squamous cell carcinoma）、基底细胞癌（basal cell carcinoma）等。其数据集展示如下：ISIC数据集可以在其官方网站上免费获取和下载。它也是许多皮肤病诊断和研究项目的重要数据来源之一。

2023-05-30 21:57:23 5902 2

原创 Inception模型实现孤立手语词的识别

实现孤立手语词的识别流程如下，在实际研究中，本章将着重研究第三阶段内容，也就是模型的设计与实现过程，目的是提高手语图像的识别准确率。

2023-05-04 20:24:51 690

原创 基于 SE_Inception模型的美国手语识别研究与实现

基于美国手语（American Sign Language，ASL）数据集研究孤立的手语词识别问题。为了进一步提高孤立手语图像的识别准确率，本文提出了SE_Inception模型，该模型结构比较复杂，采用了SE（Squeeze-and-Excitation）注意力机制，以提高模型的性能。由测试结果可得，SE_Inception模型在ASL数据集上将近取得了75%的准确率。二、SE_Inception模型实现及训练。

2023-05-04 18:13:00 476 1

原创 成功解决:RuntimeError: DataLoader worker (pid(s) 10188) exited unexpectedly

错误原因：torch.utils.data.DataLoader中的num_workers错误。num_workers是用来指定开多进程的数量，默认值为0，表示不启用多进程。将num_workers改为0即可，0是默认值。地址是安装目录：dataloader.py。

2023-04-01 23:47:21 775

原创 基于机器学习的肝病患者智能诊断及系统实现

印度肝病患者数据集（Indian Liver Patient Dataset）包含416名肝病患者记录和167名非肝病患者记录。数据集是从印度安德拉·普拉德什东北部收集的。标签列label用于区分患肝病和不患肝病。此数据集包含441名男性患者记录和142名女病人记录。本文实现了ANN模型进行肝病预测，并基于flask框架实现了一个应用界面系统，在界面输入相关数据可以实现肝病的实时预测

2023-03-08 17:14:11 735

原创 基于土壤数据与机器学习算法的农作物推荐算法代码实现

近年来，机器学习方法在农业领域的应用取得巨大成功，广泛应用于科 学施肥、产量预测和经济效益预估等领域。根据土壤信息进行数据挖掘，并在此基础上提出区域性作物的种植建议，不仅可以促进农作物生长从而带来经济效益，还可以改善土壤肥力，促进可持续发展。本文根据土土 壤养分元素[如：氮（N）、磷（P）、钾（K）等]的含量建立模型分析并且给出精准预测,可以实现了几种机器学习分类算法形成科学的种植方案,最终还实现了应用界面的实现。

2023-03-07 16:37:27 3428 6

原创 TOPSIS方法python代码实现过程

TOPSIS （Technique for Order Preference by Similarity to an Ideal Solution ）法是C.L.Hwang和K.Yoon于1981年首次提出，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。

2023-03-05 21:42:24 732

原创 基于机器学习的二手车价格预测及应用实现（预测系统实现）

随着中国汽车工业的迅速发展，国内的汽车数量也在迅速增长。新车销售市场已经逐渐饱和，而二手车交易市场正在兴起。但是，由于中国的二手车市场尚未成熟，与发达国家相比仍存在较大差距。其中一个重要原因是二手车的市场价格难以准确评估和设定，而且目前国内缺乏权威的评估机构和国家统一的二手车资产价值评估标准。因此，通过对二手车交易数据的分析和建立二手车零售交易价格预测模型具有重要意义。

2023-02-22 16:49:28 4824

原创 基于卷积神经网络图像风格迁移系统的设计与实现（flask系统）

本文实现基于卷积神经网络（CNN）图像风 格迁移，并在此基础上实现了一个基于卷积神经网络（CNN）图像风格迁移的 Web 应用，该应用实现了在 Web 上进行快速图像风格迁移的功能以及美图欣赏等功能。

2023-02-20 15:53:41 2293

原创 基于深度学习的人脸识别检测系统实现（相似人脸识别）

对于深度人脸识别，该系统支持resnet-10、resnet-20和resnet-64网络模型。该系统可以支持网络摄像头的实时人脸捕捉、对齐和检测。PyTorch中的MTCNN用于面部标志检测。如果数据库中没有他的/她的脸，用户可以将他/她的脸注册到数据库中。最相似的3张脸将由最大余弦相似度决定。

2023-02-14 15:35:25 701

原创 基于LSTM-GRU的道路交通流量预测系统实现

针对当前道路交通流预测方法不能充分揭示交通流内部本质规律的问题,提出一种基于深度学习的预测模型,利用长短期记忆网络(LSTM),对交通流量进行了预测.结果显示,提出的预测模型具有较高的准确性,是一种有效的交通流预测方法。

2023-01-15 00:22:11 2769 1

原创 基于残差神经网络的交通标志识别算法研究与应用实现

在本项目项目中，我们将构建一个深度神经网络模型，并将其命名为residual_attention_network,即在残差网络的基础上引入注意力机制，并在 GTSRB交通标志数据集上进行实验，实验结果 表明改进后的残差网络在识别准确率上有明显提高，该模型经过训练可以将图像中存在的交通标志分类为不同的类别。有了这个模型，我们能够设计实现一个GUI识别上传的交通标志，这对自动驾驶汽车来说是一项非常有意义的任务。

2023-01-02 14:12:58 1973 5

原创 基于图像分割的疲劳检测方法研究

随着社会的不断进步,汽车已经成为了当今世界拥有主宰地位的交通工具。然而汽车数量的上升同时也导致交通事故数量猛增,由司机疲劳驾驶引起的交通事故的发生频率更是不断攀升。疲劳的复杂性引起了各个学科的研究者广泛关注，传统的疲劳评估方法不仅需要精密的设备，而且耗费大量时间。当前大多数基于图像识别的疲劳检测主要围绕复杂工况下的驾驶员瞳孔位置检测、眼睛状态识别或基于整体的面部疲劳表情识别展开研究。但是这些方法不足以完全对人的疲劳程度进行提取并精准预测。 因此，本文提出了一个方法就是围绕人脸部的黑

2022-12-28 21:26:16 554

基于YOLOv8车辆检测与识别
  该项目旨在通过技术手段加强交通纪律，提供一种更为人性化和智能化的交通监控方法。具体而言，通过利用PyQt5、YOLOv8和TensorFlow等技术栈，实现了对车辆的高效检测与识别，主要实现车辆类型识别以及速度监测等功能，从而帮助交通管理部门更好地监控交通状况，及时发现并处理交通违规行为。 实现的功能如下： 1.车辆检测与识别：系统能够实时分析摄像机捕捉到的图像，准确识别出车辆的类型、位置和大小。 2.速度监测：系统能够根据车辆的位置变化和时间信息，计算出车辆的速度，并与预设的速度限制进行比较。 3.用户界面：用户界面允许用户设置车辆速度限制、启动和停止监控等功能，同时能够实时显示车辆检测的结果和相关信息。

2024-12-18

基于MobileNet v2模型的口罩实时检测系统实现
​实时口罩检测器： 从导航栏中的链接“实时的口罩检测器”功能，该系统包含一个实时检测用户是否佩戴口罩的功能。 基于图片的口罩检测器： 从另一个导航链接“基于图片的口罩检测器”进入，该系统还提供了一个上传图片来检测是否佩戴口罩的功能。   ​

2024-12-16

基于图像处理和机器学习的水浑浊度预测研究与系统实现
        本文实现了一个基于图像处理的水浑浊度预测系统。首先，通过Python的图像处理库读取图片并截取有效区域，然后将图片数据划分为RGB三个颜色通道，并转换为像素值矩阵。接着，自定义函数计算三个颜色通道的一阶、二阶和三阶颜色矩，作为图像特征。为了批量处理图像，还自定义了函数获取指定路径中的所有图片名称，并计算它们的颜色矩特征，保存为数组。这些特征数据集用于训练机器学习模型，包括人工神经网络（ANN）、线性回归和K-最近邻（K-NN）等，以预测水的浑浊度。最后，使用Flask框架、HTML/CSS/JavaScript等技术实现了一个基于Web的系统界面，用户可以通过上传水体图像进行浑浊度预测。该系统为水质监测提供了一种新的、便捷的方法。

2024-12-16

基于卷积神经网络的垃圾分类系统实现（GUI应用）
本文主要实现了一个卷积神经网络模型进行垃圾图像分类，实验结果显示最终优化后的模型准确率较高90%左右。最终，本文基于PySimpleGUI库实现了一个图形用户界面（GUI）应用程序，旨在演示如何使用深度学习模型进行垃圾分类预测。 2.模型设计与实验 模型结构：增加卷积层的数量和/或深度。当前的模型只有两个卷积层，这对于复杂的图像分类任务可能不够。使用Batch Normalization层在卷积层后，有助于加快训练速度并提高模型性能。超参数调整：调整学习率、批量大小、Dropout率等超参数。使用学习率调度器（如StepDecay、ReduceLROnPlateau等）动态调整学习率。尝试不同的优化器，如AdamW、RMSprop等。正则化和Dropout：在全连接层后添加Dropout层，以减少过拟合。尝试L1或L2正则化等。 3.垃圾分类小程序 该应用程序为垃圾分类提供了一个直观且用户友好的界面，使用户能够轻松利用深度学习模型进行垃圾分类预测。其功能为：用户选择包含图像的文件夹；用户从列表中选择图像；应用程序加载并显示选定的图像，并使用模型进行预测；应用程序显示预测

2024-12-11

基于MobileNetV3架构动物声音分类识别与应用系统实现
本文主要实现了一个基于MobileNetV3架构的深度学习模型用于动物声音分类识别任务。该MobileNetV3是一种轻量级的卷积神经网络，旨在实现高效分类性能，本章在猫、狗、海豚等三个动物声音(.wav数据集）上进行了训练和测试，即在动物音频数据集上进行训练，以学习区分不同动物的声音特征，其准确率可达92%。最后本文基于训练好的模型参数实现了一个动物声音分类识别的网页系统，该系统功能功能包含上传音频进行识别和录音识别。 2.MobileNetV3模型设计与实现 代码实现细节： 使用PyTorch框架实现模型，包括定义各种网络层、激活函数、倒置残差块等组件。 通过_make_divisible函数确保所有层的通道数都是8的倍数，这有助于在硬件上实现更高效的计算。 3.系统实现     该项目通过构建网页界面和训练好的上述模型，实现了一个动物声音分类识别的系统，为用户提供了一个方便的平台来测试和体验声音识别技术。实现的界面如下：

2024-12-10

基于卷积网络结构的火灾检测系统实现
3.系统实现 实现的系统该利用 深度学习模型进行火灾检测，能够在用户上传的图片或视频中识别火灾并发出报警。 支持两种用户输入选择： 上传视频：用户上传视频文件进行实时检测。 上传图片：用户上传单张图片进行火灾检测。 视频或图像处理： 若选择视频输入，系统通过 OpenCV 打开视频文件，逐帧读取并进行检测。 若选择图片输入，系统会加载上传的图片，并进行处理。 每帧图像或单张图片经过 模型的推理，检测其中是否存在火灾。 火灾检测与报警： 在图像或视频帧中，若检测到火灾（即模型预测出火灾类别且置信度大于50%），系统会在火灾区域绘制矩形框，并标注置信度。 若火灾被检测到，系统触发报警，通过 Pygame 播放火灾报警声音。 在未检测到火灾时，系统会停止播放报警声音。 2.模型设计 该模型是一个带有深度可分离卷积（SeparableConv2D）和残差连接的卷积神经网络，适用于图像分类任务，特别是火灾检测任务。

2024-11-30

基于深度卷积神经网络（CNN）模型的图像着色研究与应用系统实现
本文将深度卷积神经网络（CNN）设计实现一个复杂结构的生成模型，旨在通过多阶段的编码器-解码器结构，能够有效地将灰度图像转换为彩色图像。最后，本文将实现一个简单的Web应用，用户可以通过上传灰度图像，应用会使用预训练的Caffe模型对其进行颜色化，并将结果返回给用户。 1.模型设计:模型由多个卷积层、ReLU激活函数和批归一化层组成，通过前向传播函数将输入的灰度图像（L通道）转换为彩色图像（ab通道）。如果指定了 pretrained=True，则会自动下载并加载预训练的模型权重。   2. 系统通过Flask框架提供了一个Web应用，用户可以上传灰度图像，系统会自动将其转换为彩色图像，并在网页上显示结果。整个过程包括文件验证、图像处理、颜色化预测和结果展示，具有较高的实用性和用户体验。

2024-11-21

基于YOLOv8的人物目标检测和分割（跟踪）
​ 随着计算机视觉技术的飞速发展，目标检测与图像分割作为其中的重要分支，广泛应用于安防监控、自动驾驶、医疗影像分析等多个领域。YOLO（You Only Look Once）系列作为目标检测领域的佼佼者，以其高速度和高精度著称。本文将实现YOLOv8目标检测算法。首先，我们在已经有的数据集上训练 YOLOv8 模型，以实现准确的行人检测。最后，我们将YOLOv8模型嵌入到系统网页中，以实现人物对象的检测和跟踪。该项目提供了一个用户友好且可自定义的界面，能够在实时视频流中有效检测和跟踪对象。         该系统具备强大的功能，包括图像检测、视频检测、实时视频检测以及视频链接检测。此外，用户可以通过模型配置、自定义任务选择（如检测或分割）、调整模型置信度，以及使用滑块设置置信度阈值（范围：25-100），以满足不同需求。  ​

2024-10-21

基于 Inception-ResNet模型的皮肤癌分类系统实现
皮肤癌是人类最常见的恶性肿瘤，主要通过视觉诊断进行初步临床筛查。但是由于皮肤病变外观的细微变化性，使用图像自动分类皮肤病变是一项具有挑战性的任务。本文为了提高深度学习算法在皮肤病检测上的准确率，本文提出了基于Inception和ResNet深度残差网络架构的皮肤癌分类识别算法，并与基线模型进行了比较，实验表明, 与传统神经网络模型相比, 本文提出的新的分类算法降低了时间复杂度, 提高了识别准确率。最后，本文将训练好的模型参数应用到web系统中，实现了对上传图像的皮肤病检测，同时还能通过视频进行实时检测皮肤病，简化了检测皮肤肿瘤的流程，可有效辅助医生诊断，使得医生患者仅需简单操作Web端即可实时得到检测结果，以协助早期发现皮肤癌。       为了与Web端结合,使得模型可以在用户熟悉的浏览器环境下正常快速运行,同时可视化模型结果，我们设计实现了web界面，该界面可以将得到的概率结果响应给客户端浏览器,浏览器进行渲染可视化,使得医生患者仅需简单操作Web端即可实时得到检测结果。

2024-10-19

基于随机森林的贷款可能性预测系统实现
包含：1.贷款预测         ‌贷款预测通常指的是通过机器学习模型来预测个人或机构是否有资格获得贷款，以及贷款的条件，如贷款金额和利率。‌ 这种模型在银行和金融机构中广泛应用，有助于自动化贷款批准流程、提高效率、减少风险和改善客户体验‌。贷款预测模型是一种分类问题，其目的是预测一个贷款是否能够被批准。数据集通常包含多个特征，如申请人的信用评分、收入、债务比例等，这些特征用于训练模型，从而能够判断申请人是否符合贷款条件‌。 2.贷款预测数据集 Loan Prediction 数据集是保险领域最常引用的一个数据集。该数据集包含以下变量： Loan_ID： 贷款人ID Gender： 性别 (Male, female) ApplicantIncome： 申请人收入 Coapplicant Income： 申请收入 Credit_History： 信用记录 Dependents： 亲属人数 Education： 教育程度 LoanAmount： 贷款额度 Loan_Amount_Term： 贷款时间长 Loan_Status： 贷款状态 （Y, N） Married： 婚姻状况（NO,

2024-10-19

基于机器学习的蘑菇毒性预测分析及应用实现
    野生蘑菇误食导致的中毒事件屡见不鲜，已成为我国食物中毒死亡案例的首要诱因。鉴于蘑菇种类繁多，形态各异，非专业人士难以仅凭外观、形态或颜色等直观特征准确区分有毒蘑菇与可食用蘑菇，缺乏统一且简便的鉴别标准。为了判断蘑菇的食用安全性，必须深入分析不同特征属性的蘑菇样本是否含有毒性。鉴于众多蘑菇种类均具毒性，近年来，野外及森林中采摘野生蘑菇作为食物引发的中毒事件备受社会关注。因此，迅速且准确地鉴别蘑菇毒性成为采摘活动中的核心安全问题，这一议题在全球范围内均得到了广泛重视。         本文旨在设计一种基于机器学习的算法，用于蘑菇毒性的预测。研究选用了UCI的Mushroom Data Set蘑菇数据集，并实现了朴素贝叶斯、决策树、逻辑回归等几种常用的机器学习算法，以实现对蘑菇毒性的精准预测。最终，本研究成功构建了一个操作简便、易于应用的蘑菇毒性识别与分类系统，该系统可以选择不同的分类器进行预测实现。

2024-10-17

基于ManTra-Net的图像篡改检测方法研究与应用实现
 随着互联网、社交媒体和简易图像操作工具的普及，图像篡改带来的问题日益严重。为了解决这一问题，研究者们利用深度卷积神经网络来检测图像篡改并定位篡改区域。为此我们训练了一个ManTra-Net模型，该模型以TensorFlow为后端，使用Adam优化器和分类交叉熵损失函数进行训练。此外，我们还实现了一个Web界面，该界面使用Flask框架开发的Python后端API端点服务器，使用户能够上传图像并接收突出显示篡改区域的输出图像。这一Web界面简化了与模型的交互过程，提高了用户的使用体验。设计了一个Web界面，该界面依托Flask框架构建的Python后端API端点服务器。用户则可以通过一个基于HTML、CSS和JavaScript开发的前端Web界面，上传想要检查是否存在篡改的图像。实验环境： Keras==2.2.4 tensorflow==1.14.0 numpy==1.19.5 matplotlib==3.3.4 opencv-python==4.1.0.25 Flask==1.0.2 typing==3.6.6包含完整论文。

2024-10-11

基于卷积神经网络的垃圾图像分类系统研究与实现
本文主要研究了基于深度学习和 Flask 的垃圾分类系统的设计与实现过程。首先，提出一种基于卷积神经网络的垃圾图像分类模型 (Garbage Classification Network, GCN)，实验结果证明, GCN在垃圾分类数据集上取得了优异的结果, 能够有效地提高垃圾识别精度。其次，是Flask 应用程序开发部分，将深度学习模型应用于垃圾分类系统中。这个系统可以让用户上传垃圾图片，然后通过深度学习模型进行分类预测，最终展示预测结果给用户。这项研究为垃圾分类提供了一种新颖而高效的解决方案，能够促进环境保护和资源回收利用。 本代码基于python3.7.0配置numpy==1.19.5、Flask==1.0.2、Keras==2.2.4、tensorflow等

2024-04-21

基于机器学习的人脸发型推荐算法研究与应用实现
   该研究主要关注开发一种发型推荐系统，其目标是根据用户的面部形状识别最适合的发型。主要研究内容包括：         1.数据收集和分析：收集具有各种面部形状的用户照片，并标记其脸型，如长形、圆形、椭圆形、心形或方形。构建面部分类器以确定用户的脸型，使用机器学习技术构建模型。数据集包含约74位名人的约1500张图像，并存储到CSV文件中以供模型使用。         2.模型训练过程：导入数据，准备数据，并对特征进行标准化和降维。使用多种机器学习模型进行训练，包括MLP、KNN、随机森林、梯度提升和LDA模型。比较不同模型在面部形状分类任务上的性能，并选择最佳模型。         3.应用实现：基于Flask技术实现一个用于面部特征识别和发型推荐的应用程序。应用程序包括一个点击开始预测的功能，输出用户的面部形状分类结果和推荐的发型。         总的来说，该研究旨在帮助用户了解适合其脸型的最佳发型，并提供个性化的发型推荐服务。

2024-04-14

基于人脸识别的发型推荐系统代码实现
该系统利用Python编程语言和相关库，结合Face++人脸识别API，实现了用户上传照片后的性别识别、脸型分析和发型推荐功能。首先，用户通过Tkinter GUI界面选择上传照片，系统使用PIL库打开并调整图像大小，然后利用Face++ API进行性别和脸型的识别。根据识别结果，系统从预先准备好的发型图片中选取适合的发型进行推荐，并展示给用户选择。发型推荐系统的实现过程可以分为以下几个主要1.界面设计与图像选择：使用Tkinter库设计用户界面，包括选择文件按钮和展示图片的区域。用户点击选择文件按钮，从本地文件系统中选择一张照片作为输入。2.图像处理与上传：使用PIL库打开用户选择的照片，并对其进行必要的调整，如调整大小。将处理后的图像上传至Face++ API进行人脸识别和分析。3.人脸识别与脸型分析：使用requests库向Face++ API发送HTTP请求，请求进行人脸检测、性别识别和脸型分析。Face++ API返回识别结果，包括性别和脸型等信息。4.发型推荐：根据性别和脸型等识别结果，从预先准备好的发型图片库中选取适合的发型图片。将选取的发型图片展示给用户，供其选择。

2024-04-14

基于 LSTM 模型的古诗词自动生成算法实现及系统实现
 近年来，研究者在利用循环神经网络（Recurrent Neural Network，RNN）进行古诗自动生成方面取得了显著的效果。但 RNN 存在梯度问题，导致处理时间跨度较长的序列时 RNN 并不具备长期记忆存储功能。随后，出现的基于长短期记忆网络（Long Short-Term Memory，LSTM）古诗自动生成方法在一定程度上解决了 RNN 的梯度问题。本文将LSTM 应用在古诗自动生成技术上，并利用sparse_categorical_crossentropy损失函数和Adam(lr=0.002)优化算法对 LSTM模型进行优化，最后利用 flask 设计web界面进行操作和查看，可以根据提示词生成不同结构的五言律诗、七言绝句及藏头诗。结表明，相对于传统的RNN模型，LSTM模型在古诗自动生成方面生成的古诗效果更好。 首先，通过设计和实现循环神经网络（LSTM）诗歌生成模型，包括模型结构的设计、参数的设置以及模型的训练过程。然后，根据用户输入的条件，调用相应的模型生成相应的诗歌内容，并结合 Flask 技术将生成的诗歌展示在前端界面上，供用户阅读。

2024-04-14

基于VGG的图像风格迁移算法实现
这部分代码实现了图像风格迁移的功能。它的输入包括内容图片和风格图片，以及一些参数如迭代次数、损失权重等。模型的输出是合成的图片，它通过迭代优化生成，结合了内容图片和风格图片的特征。 具体实现过程包括： 加载内容图片和风格图片，并对它们进行预处理。 构建一个 VGG16 模型，用于提取图片的特征。 定义损失函数，其中包括内容损失和风格损失，以及它们的权重。 使用优化器对生成的图片进行优化，使其在内容和风格上与输入的内容图片和风格图片相匹配。 在优化过程中，对生成的图片进行迭代更新，直到达到指定的迭代次数。 最终，生成的图片保存在指定的路径下，作为模型的输出结果。

2024-04-13

基于VGG的图像风格迁移算法实现及系统应用实现
2.图像风格迁移技术的Web应用  2.1基于Flask的Web应用 基于训练好的VGG16模型参数将实现的代码整合到Flask框架中，创建了一个基于卷积神经网络（CNN）图像风格迁移的Web系统。该代码被集成到项目的webapp中。选择Flask框架的原因是因为它是一个轻量级且高度可定制的框架，使用Python语言编写。相比于其他类似框架，Flask更加灵活、轻便、安全且易于上手。Flask具有很高的可定制性，开发者可以轻松地将他们想要的框架或功能集成到其中。 2.2 Web前端 本文的Web应用采用前后端分离的架构，所有功能通过API接口访问后台实现。在前端方面，使用了当下流行的前端技术，如jQuery和Vue等框架。jQuery是一个JavaScript框架，提供了一个强大的"$"符号，可以轻松地操作HTML的DOM结构，同时也方便地发起AJAX请求，有助于加快开发进度。

2024-04-13

python实现视频转GIF动图（无水印，包含代码详解和.exe执行文件）
  1.该代码提供了一个简单的界面，允许用户将视频转换为GIF动画，并且可以自定义采样率、GIF帧率和输出大小。修改后的代码将视频帧的大小调整为固定的尺寸，并在生成GIF动画时保持这个尺寸。 2.该代码GUI界面转化为了.exe程序，大家可以自己下载下来解压使用。解压后.exe程序存储在了./dist/mian1/文件下找到mian1.exe程序即可。

2023-08-01

基于深度强化学习的DQN模型实现自动玩俄罗斯方块游戏（附详细代码讲解）
代码逻辑功能概述如下：1.这个代理使用DQN算法来学习最优的决策策略。 2.代理的目标是找到所有可能状态的最佳最终状态的组合，而不是传统方法中找到特定状态的最佳动作。 3.通过使用深度神经网络来逼近Q函数，代理可以处理大型状态空间的问题。 4.代码中使用经验回放技术和目标网络来优化训练过程，提高稳定性和效率。该游戏可以实现自己玩，控制方法为：  W - 将方块顺时针旋转90度； A - 将方块向右移动一列； S - 将方块向下移动一行；  D - 将方块向左移动一列； 空格键 - 快速落下方块； ESC - 退出游戏 算法中实现了 定义了run_model函数，用于训练和评估DQN代理的性能。在每个回合（episode）中，代理在Tetris游戏环境中执行动作，并收集游戏得分。 在该代码中play.py为玩家自己玩；train.py为训练模型过程；run_model.py为算法自己玩

2023-07-28

基于穷举搜索的AI自动实现俄罗斯方块游戏
实现了一个简单的俄罗斯方块AI，用于预测并选择最优的形状放置位置，以尽可能消除更多的方块行。完整的代码下：（包含注释） tetris_game.py是主函数，主要为应用界面的主函数。 tetris_model.py是游戏的数据模型。 tetris_ai.py是AI实现算法部分部分。 自己玩的规则：游戏板面是一个矩形网格，您需要使用方向键和空格键来控制方块的移动和旋转。 使用向上键：旋转当前形状，使其适应不同的空间布局。 使用向左键：将当前形状向左移动一个格子，改变其在横向上的位置。 使用向右键：将当前形状向右移动一个格子，改变其在横向上的位置。 使用空格键：立即将当前形状下落到最底部，以便快速堆叠方块。 如果您想暂停游戏，只需按下键盘上的“P”键即可。游戏会暂停在当前状态，您可以随时继续游戏。右侧面板会显示下一个即将出现的形状，这样您可以提前做好相应的准备。

2023-07-27

Python 和pygamae实现的超级玛丽（包含代码,里面包含两个版本的游戏）
 ”超级玛丽”是一款横板卷轴游戏，玩家操控游戏角色跳跃障碍物，击杀怪物，获取道具，并最终到达指定地点，完成游戏。游戏过程中，镜头跟随角色推进，玩家通过硬币、道具，击杀怪物来获取分数。游戏关卡中包含:游戏角色，共包含五个形态，初始形态、变大形态、无敌形态、攻击形态以及死亡形态，基于不同的条件，不同形态之间可以发生转换;砖块，作为地形的一部分，分为可碎砖块与不可碎砖块;管道，地形的一部分，宽度相同，但高度不同;道具，其隐藏在标记为“?”的砖块中，有时通过隐藏触发点也可获取道具，道具可增加分数，也可改变角色形态，降低游戏难度;怪物，其通过攻击可使得游戏角色死亡或者发生形态改变;旗帜，用于标记当前游戏关卡完成的终点位置，可获得一定分数;城堡，用于当前关卡完成后所播放的胜利特效;游戏角色的行走、奔跑、蹲下、受伤、死亡、重生以及形态的改变，打碎砖块，道具生成，怪物死亡，到达终点等均有特效动画或音乐。 控制： 方向键控制方向 'a' 表示跳跃 's' 表示攻击（发射、奔跑）

2023-07-27

基于python和pygame实现的植物大战僵尸
游戏的实现流程和思路： 主菜单：游戏开始时，显示主菜单，提供游戏开始、继续、退出等选项。 关卡选择：玩家可以在关卡选择界面选择不同的关卡进行挑战。 游戏界面：进入游戏后，玩家会看到一片植物园的背景，并且屏幕上会有一系列僵尸从右侧进入，以及一系列可种植的植物卡片在下方的选择栏中。 种植植物：玩家可以选择植物卡片并在地图上种植，每种植物都有不同的功能和攻击方式，如向前发射豌豆、寒冰等。 抵御僵尸：种植的植物会自动攻击靠近它们的僵尸，玩家需要合理布局植物，让它们尽可能地击败更多的僵尸，防止僵尸进入自己的家园。 获取阳光：阳光是一种游戏资源，可以用来购买更多的植物卡片。玩家可以通过收集掉落的阳光或种植特定的植物来获取阳光。 游戏失败：如果有僵尸成功进入家园，玩家失败，游戏结束，可以选择重新开始或返回主菜单。

2023-07-27

基于深度神经网络的肺炎检测系统实现
实现一个功能完善的Web应用程序，用户可以通过上传肺部X射线和CT扫描图像，在界面上查看模型对图像的分类结果，并可视化显示模型分类的依据，从而帮助医生快速、准确地进行肺部图像的检测和诊断。 1.定义了一个Flask应用程序并配置了不同的路由，以处理不同页面的请求。例如，新闻、关于、FAQ、预防、上传图像进行检测等页面。 2.读取并加载预训练的TensorFlow模型（ResNet架构），用于图像分类任务。其中，有两个不同的模型，一个用于处理肺部X射线图像，另一个用于处理CT扫描图像。 3.定义了GradCAM类，用于计算特定类别的图像梯度和热图。GradCAM是一种可解释性技术，可以确定模型分类决策时关注的图像区域。 4.在上传肺部X射线和CT扫描图像后，分别进行预处理，包括调整大小、去除边框、裁剪等。然后，将预处理的图像输入到相应的模型中进行分类，并计算GradCAM热图。 5.生成GradCAM热图后，将其与原始图像进行叠加，以在Web界面上显示可视化的GradCAM结果。 6.根据分类结果和分类的置信度分数，向用户展示结果页面，包括分类标签和相应的GradCAM图像。

2023-07-24

手把手教你实现-基于OpenCV的车流量统计和车速检测代码
实现了一个简单的车辆速度估计和车流量统计的GUI应用，它使用了Haar级联检测器和相关跟踪器来检测和跟踪视频中的车辆，并通过图像处理和数学计算来估计车辆的速度。 包含功能函数如下： 1.导入必要的库和模块，包括Tkinter、filedialog、cv2（OpenCV）、threading和PIL等。 2.定义全局变量，包括视频路径（video_path）和最高速度（highest_speed）。 3.定义了一个用于估计速度的函数estimateSpeed(location1, location2, fps)。它基于两个位置坐标和帧率来计算速度。 4.定义了一个跟踪多个对象的函数track_multiple_objects()，其中包含一个无限循环。循环中的主要步骤如下： 5.定义了打开文件的函数open_file()，用于选择要处理的视频文件，并启动一个新线程（process_video）来处理视频。 6.定义了处理视频的函数process_video()，其中包括初始化视频并调用track_multiple_objects()进行跟踪。 7.定义了更新最高速度和视频帧的函数等

2023-06-08

头盔检测数据标注程序（基于深度学习的安全帽检测数据集适用于YOLOv5模型）
使用图像处理库（如OpenCV）和图形用户界面（GUI）库（如Tkinter）来实现。下面是一个简单的Python代码示例，展示了如何使用OpenCV和Tkinter创建一个图形界面，并在图像上绘制矩形框来标注头盔的位置，并保存标注的结果。 lxml==4.3.0 numpy==1.16.0 opencv-contrib-python==3.4.5.20 tqdm==4.29.1 头盔检测数据标注程序（基于深度学习的安全帽检测数据集适用于YOLOv5模型）

2023-06-03

基于双分支残差结构的低光照图像增强研究与应用实现
 1.实现了一个DR-Net模型和三个对比模型：在低光条件下拍摄的照片会因曝光不足而产生一系列的视觉问题，如亮度低、信息丢失、噪声和颜色失真等。为了解决上述问题，提出一个结合注意力的双分支残差低光照图像增强网络。首先，采用改进InceptionV2提取浅层特征；其次，使用残差特征提取块（RFB）和稠密残差特征提取块（DRFB）提取深层特征；然后，融合浅层和深层特征，并将融合结果输入亮度调整块（BAM）调整亮度，最终得到增强图像，该模型整体命名为双分支残差网络（Dual-branch Residual Network for lowlight image enhancement， DR-Net）。实验结果表明，在LOL（LOw-Light）数据集上，所实现的网络模型能够在提高低光照图像亮度的同时降低噪声，减少了颜色失真和伪影，得到的增强图像更加清晰自然。 2.实现了一个GUI界面.实现了一个基于GUI的图像增强应用程序。使用load_model函数加载预先训练好的模型文件（'model.h5'），该模型用于图像增强。通过模型对图像进行预测，并根据预测结果和输入图像进行像素级别的操作，以实

2023-05-31

基于ISIC数据集的皮肤病黑色素瘤分类研究与实现
一、数据集介绍 ISIC数据集是用于皮肤病诊断和研究的公开医学图像数据集。其中包含大量的皮肤病图像，涵盖了各种不同类型的皮肤疾病和病变，如黑色素瘤、鳞状细胞癌、基底细胞癌等。ISIC数据集可在其官方网站免费获取和下载，并被广泛应用于医生和研究人员的皮肤病诊断和研究工作中。 二、分类模型设计与实现 通过使用Keras构建一个简单的残差模型，对皮肤病图像进行分类。该模型利用卷积、批归一化和残差连接等操作提取图像特征，并通过全局平均池化和全连接层实现分类预测。 三、应用实现 基于训练好的模型参数，结合Flask框架实现一个简单的Web应用，用户可以上传图像文件进行皮肤病预测。上传的图像将经过预处理并通过模型进行分类预测，最后将预测结果显示在界面上。 四、总结 本项目利用残差网络结构对皮肤病图像进行分类，提高了皮肤病诊断的准确度。通过该系统，医生和研究人员可以快速获得对给定皮肤病图像的最高概率诊断，从而帮助提高皮肤病诊断的准确性，并推动皮肤影像学的进展。

2023-05-30

基于 SE-Inception模型的美国手语识别研究与实现（手语词的实时识别）
        基于美国手语（American Sign Language，ASL）数据集研究孤立的手语词识别问题。为了进一步提高孤立手语图像的识别准确率，本文提出了SE_Inception模型，该模型结构比较复杂，采用了SE（Squeeze-and-Excitation）注意力机制，以提高模型的性能。由测试结果可得，SE_Inception模型在ASL数据集上将近取得了75%的准确率。应用实现。结应用实现。结合训练好的模型参数实现了手语词的实时识别。合训练好的模型参数实现了手语词的实时识别。

2023-05-04

基于机器学习的肝病患者智能诊断及系统实现
   印度肝病患者数据集（Indian Liver Patient Dataset）包含416名肝病患者记录和167名非肝病患者记录。数据集是从印度安德拉·普拉德什东北部收集的。标签列label用于区分患肝病和不患肝病。此数据集包含441名男性患者记录和142名女病人记录。 本文实现了ANN模型进行肝病预测，并基于flask框架实现了一个应用界面系统，在界面输入相关数据可以实现肝病的实时预测。 肝病患者智能诊断系统

2023-03-08

基于土壤数据与机器学习算法的农作物推荐算法代码实现
  近年来，机器学习方法在农业领域的应用取得巨大成功，广泛应用于科 学施肥、产量预测和经济效益预估等领域。根据土壤信息进行数据挖掘，并在此基础上提出区域性作物的种植建议，不仅可以促进农作物生长从而带来经济效益，还可以改善土壤肥力，促进可持续发展。本文根据土土 壤养分元素[如：氮（N）、磷（P）、钾（K）等]的含量建立模型分析并且给出精准预测,可以实现了几种机器学习分类算法形成科学的种植方案,最终还实现了应用界面的实现。

2023-03-07

基于机器学习的二手车价格预测及应用实现（预测系统实现）
随着中国汽车工业的迅速发展，国内的汽车数量也在迅速增长。新车销售市场已经逐渐饱和，而二手车交易市场正在兴起。但是，由于中国的二手车市场尚未成熟，与发达国家相比仍存在较大差距。其中一个重要原因是二手车的市场价格难以准确评估和设定，而且目前国内缺乏权威的评估机构和国家统一的二手车资产价值评估标准。因此，通过对二手车交易数据的分析和建立二手车零售交易价格预测模型具有重要意义。 1. 通过Python 的 Pandas 库中 read.csv() 命令对二手车数据进行分析，主要从构建特征指标、数据缺失值的删除和填补、指标异常值的剔除等方面进行数据清洗。 2.数据分析：展示二手车公司与二手车价格之间的关系等。 3.模型训练：选择合线性回归对数据进行训练，并使用交叉验证等技术进行模型评估和调优。 4.应用实现：二手汽车价格预测网站实现编程框架：Flask==1.1.2、Flask-Cors==3.0.8等。

2023-02-22

基于卷积神经网络图像风格迁移系统的设计与实现（flask系统）
   Leon Gatys 等人研发的深度神经网络使用神经的表达来分离任意图片的内容和风格，为生成艺术图片提供一个神经算法。本文基于Style Transfer算法，使用风格成本函数训练CNN，用卷积神经网络提取图像特征，依次提取内容图像的内容和风格图片的风格。因此，本文的主要工作就是实现Gatys等人提出的基于卷积神经网络（CNN）的图像风格迁移，并在此基础上基于flask实现一个图像风格迁移web应用。 环境配置： python3.7.6 certifi==2020.4.5.1 click==7.1.2 gunicorn==20.0.4 itsdangerous==1.1.0 Jinja2==2.11.3 MarkupSafe==1.1.1 Werkzeug==1.0.1 wincertstore==0.2 numpy==1.18.4 Flask==1.1.2 opencv-python==4.2.0.34 imutils==0.5.3 该应用实现了在 Web 上进行快速图像风格迁移的功能以及美图欣赏等功能。

2023-02-20

基于深度学习的人脸检测和识别（相似人脸识别）
基于Flask和HTML的人脸识别演示系统，可以返回相似的三个人脸图像。 其包含基于面部特征、LBP和ResNet的深度神经网络。它还支持通过网络摄像头进行实时人脸检测。 对于深度人脸识别，该系统支持resnet-10、resnet-20和resnet-64网络模型。 该系统可以支持网络摄像头的实时人脸捕捉、对齐和检测。PyTorch中的MTCNN用于面部标志检测。如果数据库中没有他的/她的脸，用户可以将他/她的脸注册到数据库中。 最相似的3张脸将由最大余弦相似度决定。 运行环境：python3.7\tensorflow\pytorch-GPU、pytorch-CPU版本等。

2023-02-14

基于LSTM-GRU的道路交通流量预测系统实现
在交通需求日益增长的今天,一系列的交通问题也相继出现,其中表现最明显的当属交通拥堵问题.为了有效地缓解此问题,智能交通系统(ITS)被广泛应用于动态交通管理中,而短时交通流作为相关交管部门实行管控的重要依据,一直是智能交通系统(ITS)的重点研究内容.准确的短时交通流预测不仅能实现对交通状态的动态把控并据此实施交通诱导,还能为出行者提供实时,具体的道路信息,提高道路通行能力.针对当前道路交通流预测方法不能充分揭示交通流内部本质规律的问题,提出一种基于深度学习的预测模型,利用长短期记忆网络(LSTM),对交通流量进行了预测.结果显示,提出的预测模型具有较高的准确性,是一种有效的交通流预测方法. 包含：数据集、模型代码及系统实现 运行环境：python3.7.6 配置tensorflow==2.1.0、Keras==2.3.1等，内含配置文件。 参考博客内容： https://blog.youkuaiyun.com/weixin_40651515/article/details/128690977?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22r

2023-01-15

residual-attention-network模型用于交通标识分类 和相关数据集
residual_attention_network模型用于交通标识分类。 数据集介绍 这次实验所使用的数据集是GTSＲB，包括了各种气候条件下，各种各样的交通标志图像。GTSRB 数据集由 43 类交通标志组成，共有 39209 张 训练样本和 12630 张测试样本，样本像素的尺寸范围 大多为 15 × 15 到 250 × 250 之间。 在本项目项目中，我们将构建一个深度神经网络模型，并将其命名为residual_attention_network,即在残差网络的基础上引入注意力机制，并在 GTSRB交通标志数据集上进行实验，实验结果 表明改进后的残差网络在识别准确率上有明显提高，该模型经过训练可以将图像中存在的交通标志分类为不同的类别。 实验环境：python3.7，keras==2.2.4,tensorflow==1.12 把依赖库安装完就可以运行了。

2023-01-02

基于图像分割的疲劳检测方法研究数据集
用于疲劳检测的数据集，数据集分为两类：疲劳状态和非疲劳状态，每个状态下都是人脸部图像的分割图像。  在该模型架构下：将人脸图像作为输入，从中检测并裁剪出面部特征点，这些裁剪出的面部特征，如眼睛、眼圈（眼睑）、鼻子、嘴巴以及整个面部皮肤图像等五个部分分别作为输入有针对性的训练各个模型，然后各个模型将预测返回输入图像所对应的疲劳值，最终将这些值加权求和，（眼睛和黑眼圈的权重更高）最终值来确定一个人的疲劳程度。

2022-12-28

基于人脸关键点检测的驾驶员睡意检测系统
  驾驶员注意力不集中或者分心是道路交通事故的主要原因。 为了减少道路交通事故，设计开发驾驶员疲劳检测系统至关重要。本次实现的应用运用开源库Dlib训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定，利用OpenCv进行图像化处理，在人脸上画出68个点，并标明序号。当检测到驾驶员的眼睛闭上4-5 秒时候，就会产生警报。 点击驾驶员困倦检测时，系统会自动打开电脑摄像头，你便可以模拟驾驶室的角色进行测试，当驾驶员在驾驶过程中闭眼，且超过5s系统会触 环境配置：python3.7、配置以下包 tensorflow>=1.12* keras==2.2.4 等。 人脸关键点检测是人脸识别任务中重要的基础环节，人脸关键点精确检测对众多科研和应用课题具有关键作用，如：表情识别、疲劳监测等。因此，如何获取高精度人脸关键点，一直以来都是计算机视觉、模式识别、图像处理等领域的热点研究问题。然而人脸关键点检测方法根据是否需要参数化模型可分为以下两类，基于参数化形状模型的方法和基于非参数形状模型的方法。目前，最为常用的是基于非参数形状模型的深度学习方法。

2022-12-26

教学辅助系统（作弊检测系统）教学辅助系统（学生考试监考系统）
​ 在考试场中为学生监考十分枯燥，因此，建立一个可靠的作弊检测系统来识别学生是否存在作弊行为。以下有四个应用场景： 1.使用一个名为 Yolo3 的训练模型和一个名为 coco 的数据集，我们测试了考场中学生的书籍和手机，并将他们标记为作弊者。 2.使用haarcascade配置文件分类器，可以检测到学生转身，这样也被认定为作弊的学生。 3.此功能使用 OpenCV 和 YOLO 来监控/分析学生之间是否保持足够的距离。如何距离太近存在作弊嫌疑。 运行环境要求： python3.7以上配置以下包 tensorflow>=2.5.0* keras==2.4.3 imutils==0.5.4 numpy==1.19.5 opencv-python>=4.2.0.32 matplotlib==3.4.1 argparse==1.4.0 scipy==1.6.2 scikit-learn==0.24.1 pillow>=8.3.2 streamlit==0.79.0 onnx==1.10.1 tf2onnx==1.9.3 ​

2022-12-13

基于CNN 森林火灾检测研究应用实现
该项目是使用卷积神经网络进行检测森林火灾。 该数据集包含三类图像：“火”、“不火”、“开始火”，总共约 6000 张图像。 该模型可用于从森林的监控录像中检测火灾或火灾的开始或者未发生火灾。 该模型可以实时应用于低帧率监控视频（火灾移动速度不是很快的监控视频），并在发生火灾时发出警报。

2022-09-14

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除