qr code{{{1

qr code{{{1

在线生成{{{2

http://goqr.me/
国产{{{3
http://www.qrcoolx.com/
http://app.baidu.com/app/enter?appid=321005
开发{{{2
http://www.snpstudios.com.cn/2013/04/22/%e4%ba%8c%e7%bb%b4%e7%a0%81api%e9%80%90%e6%ad%a5%e5%bc%80%e6%94%be-%e6%94%af%e6%8c%81discuz-phpwind.html
輕鬆學會Android QR code手機程式開發
http://www.pcschool.com.tw/activity/99/newsletter/036/news001.htm
php{{{3
http://www.open-open.com/news/view/179aba9
http://phpqrcode.sourceforge.net/examples/index.php
http://phpqrcode.sourceforge.net/
    他写了一个PHP扩展openCV,只封装了两个函数,叫face_detect和face_count。
http://blog.csdn.net/yangyu112654374/article/details/4397645
php生成二维码和QR图片中间加logo
http://www.2cto.com/kf/201212/178527.html
源码 http://www.phper.org.cn/?post=129
c sharp{{{3
    http://www.pudn.com/downloads106/sourcecode/graph/detail438638.html
识别{{{2
bs{{{3
http://cli.im/deqr
cs{{{3
http://www.cr173.com/soft/21027.html 
解码{{{3
http://blog.i5a6.com/556.html
http://qrcode.sourceforge.jp/index.html.en


java{{{3
http://www.cnblogs.com/hongten/archive/2012/10/26/java_qrcode.html
http://www.pudn.com/downloads411/doc/detail1750906.html
http://www.oschina.net/p/qrcode/
Andriod {{{3
http://blog.csdn.net/pwh0996/article/details/8957764
不太好用http://underthehood.blog.51cto.com/2531780/670169
android qr 开发{{{4
    https://play.google.com/store/apps/details?id=com.google.zxing.client.android&feature=search_result#?t=W251bGwsMSwxLDEsImNvbS5nb29nbGUuenhpbmcuY2xpZW50LmFuZHJvaWQiXQ..


公司{{{3
http://www.efittech.com/qrcode_1.html
http://www.partitek.cn/PtQREncode.htm
源码{{{2
http://www.pudn.com/downloads431/sourcecode/others/detail1823765.html


加密{{{2
好贴!!!
http://tieba.baidu.com/p/251772855


others{{{2
讲解 很好{{{3
http://www.evget.com/article/2012/10/8/17618.html
color qr code
http://www.madox.net/blog/2009/06/18/a-little-bit-of-qr-code-colour-loving/
http://www.webdesignerdepot.com/2011/08/designed-qr-codes-the-next-level/
讲解{{{3
http://mashable.com/2011/04/18/qr-code-design-tips/
http://en.wikipedia.org/wiki/QR_code
生成 项目目标!!{{{3
http://www.fancyqrcode.com/
opencv php{{{3
http://hi.baidu.com/gujianghua5712/item/6badeb1eb136f99998ce3303
目前,还为测试,等应用后,再公布实验结果~~
http://www.zfkun.com/39.html
http://www.xarg.org/2008/07/face-detection-with-php/
http://www.opencv.org.cn/index.php/首页
http://www.cs.iit.edu/~agam/cs512/lect-notes/opencv-intro/index.html


PHP生成二维码图像的类QRcode{{{3
http://www.phper.org.cn/?post=128




个性化{{{3
http://qrpath.com/
http://www.17inda.com/html/4/article-1994.html
    http://www.qrhacker.com/
谷歌试验使用QR码登录电邮 
及16个精美QR码广告图案 
http://article.yeeyan.org/view/276349/247065
科研 {{{3
    http://www.doc88.com/p-993536698467.html
人脸检测技术在二维条形码(QR码)中的应用


国内论文master{{{4

http://www.doc88.com/p-21363788720.html


data communication{{{1
http://www.youtube.com/watch?v=4rCdCKAx1D0

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值