基于深度学习和opencv的车牌识别系统

本项目主要基于CenterNet目标检测 + 最优CNN模型识别 + Pygame模块界面 进行实现...

PyTorch 实现 CNN，以及一些使用CNN图片分类项目

基于CNN的手势识别项目，使用Pytorch构建、训练模型。

使用OpenCV获取萤石云视频流，并使用PyTorch分析视频流，将分析结果发送到邮箱。可应用于摄像头实时人形检测，发现人形及时通知，并存储视频。

基于卷积神经网络的手语识别系统的设计与实现。该系统包括手语识别模块、特征转换模块、手语转文字功能、模型评估与验证以及页面交互模块。

设计并实现了一个基于深度学习的人脸口罩识别系统，能够实时检测并判断人脸是否佩戴口罩。

使用python+tensorflow 2实现了CNN经典模型AlexNet

人脸识别是通过人的脸部信息进行身份识别的技术，该技术广泛应用在安防和支付等领域。随着智慧城市的建设和超高清摄像头的逐渐启用，需处理的视频数据量增长迅猛，给人脸识别计算效率带来新的挑战。此外，现有人脸识别模型通常基于深度神经网络，模型参数量大且计算代价高，难以应用在计算资源有限的任务。因此，本项目需要针对人脸识别的计算效率开展研究。

使用TensorFlow预训练好的RNN模型来提取预分类特征，进而使用预分类特征在机器学习上进行训练和分类。

NumPy实现类PyTorch的动态计算图和神经网络(DNN, CNN, RNN)

A multi-Object tracking algorithm for apple counting

GPLearn是我们针对切伦科夫望远镜所独立编写的程序包，基于python语言和pytorch模型，我们将不同的功能单独打包成相对应的模块，并允许用户根据需求自定义模块参数。 通过GPLearn进行的一系列数据模拟与分析的相关结果详见，读者不仅可以利用我们提供的数据还原文章中展示的结果，同时也可以用于实际探测器的数据分析，我们希望这一结果可以被广泛用于天文物理领域。

通过CNN-GRU模型对气象数据实现短期内的精确预测

pytorch+CNN 识别验证码