qunshansj / Improved-AlexNet-Herbal-Plant-ClassificationLinks
基于改进AlexNet的植物中草药分类系统(源码&教程)
☆15Updated 2 years ago
Alternatives and similar repositories for Improved-AlexNet-Herbal-Plant-Classification
Users that are interested in Improved-AlexNet-Herbal-Plant-Classification are comparing it to the libraries listed below
Sorting:
- 本设计为基于MATLAB的运动车辆跟踪检测系统。带有一个GUI界面,可以读取高速路车流视频,读取视频信息,并且统计每辆车经过左车道还是右车道,车速和平均速度检测,以及某一帧下的车流密度,以及最后总共经过的车辆总数。将运动检测到的目标用方框框起来。是一个非常不错的选题。☆12Updated 4 years ago
- Opencv基于改进VGG19的表情识别系统(源码&Fer2013&教程)☆15Updated 2 years ago
- Python基于CRNN&CTPN的文本检测系统(源码&教程)☆10Updated 2 years ago
- 启发式算法包括动态规划(DP) 、遗传算法(GA)、 粒子群算法(PSO)、 模拟退火算法(SA) 、蚁群算法(ACO)、 自适应神经网络(SOM) 、禁忌搜索算法(TS)☆21Updated 2 years ago
- 通过摄像头进行手势识别,控制vrep仿真机械臂☆70Updated 6 years ago
- 建模国赛B题分享(无人机定位与调整)(全国大学生数学建模竞赛,CUMCM)☆14Updated 2 years ago
- AI中草药识别☆41Updated 4 years ago
- Python基于OpenCV的实时疲劳检测[源码 &演示视频&部署教程]☆12Updated 2 years ago
- 基于YOLO&Deepsort的交通车流量统计系统(源码&部署教程)☆32Updated 2 years ago
- 基于深度学习的智能坐姿检测系统☆12Updated 3 years ago
- Python基于CycleGAN&pix2pix的黑白图像AI上色(源码&部署教程)☆10Updated 2 years ago
- 北京印刷学院人工智能大赛深度学习组作品_基于深度学习的新冠肺炎检测系统☆10Updated 2 years ago
- 本设计为基于MATLAB的疲劳检测识别,可应用于疲劳驾驶监测,专注度检测等应用。本设计带有GUI可视化界面,自行录制好视频后,读取视频,分帧,读取每一帧影像,计算其眼睛张合度及嘴巴张合度,通过这2个参数来判断是否疲劳。☆10Updated 5 years ago
- 一个智能垃圾分类系统☆130Updated 5 years ago
- 使用opencv-python/PyQt5完成的数字图像处理系统,包括图像缩放/裁剪/灰度变换/高低通滤波/边缘检测等功能☆12Updated 5 years ago
- 中山大学深度学习大作业——yolov5+lpr3+deepsort交通识别检测系统☆43Updated 2 years ago
- 人工智能大作业-无人机图像目标检测☆92Updated 5 years ago
- python-opencv-vrep控制小车实现自动循迹☆11Updated 5 years ago
- 植物病虫害图像识别☆22Updated 6 years ago
- 基于神经网络的一阶倒立摆控制☆31Updated 3 years ago
- Python基于YOLO的绝缘子缺陷检测系统(源码&教程)☆36Updated 2 years ago
- Python基于改进Unet的新冠肺炎等级分割系统(源码&教程)☆11Updated 2 years ago
- 猫狗识别分类(深度学习入门案例),使用了Tensorflow框架 和 CNN神经网络实现。附有超详细的代码注释,适合新手直接上手Run!☆229Updated last year
- Python基于OpenCV的异常行为检测系统[源码&部署教程]☆12Updated 2 years ago
- Python基于OpenCV高空抛物检测系统[完整源码&部署教程]☆15Updated 2 years ago
- 使用realsense d435i相机,基于pytorch实现yolov5目标检测,返回检测目标相机坐标系下的位置信息。☆227Updated 2 years ago
- 该系统在本地计算机上使用 YOLOv5 模型进行烟雾检测。YOLOv5 是一种高效的目标检测模型,能够在复杂的场景中快速识别火灾烟雾。该模型部署在高性能硬件上,以确保实时响应和高精度的检测效果,在使用时对获取的图片可以进行推理,以检测火情。 YOLOv5-Lite 部署 …☆29Updated last year
- 基于OpenCV的手势识别完整项目☆48Updated 3 years ago
- 使用yolov10目标检测模型进行电路板缺陷检测 | Using yolov10 for circuit board (PCB) defect detection☆47Updated last month
- 基于OpenPose与随机森林的驾驶员检测系统,包含姿态检测与疲劳检测☆41Updated 3 years ago