《无怨的青春》-席慕容txt全集
《无怨的青春》-席慕容txt全集
情人节表白放烟花动画特效.zip
情人节表白放烟花动画特效.zip
Apifox安装工具包,完美替代postman+jmeter
Apifox安装工具包,完美替代postman+jmeter
预训练好的超分辨率模型:super-resolution-models.rar
预训练好的超分辨率模型:super_resolution_models.rar
包括:EDSR_x4.pb ESPCN_x4.pb FSRCNN_x4.pb FSRCNN-small_x4.pb LapSRN_x8.pb
ESPCN_x2.pb FSRCNN_x2.pb FSRCNN-small_x2.pb LapSRN_x2.pb
ESPCN_x3.pb FSRCNN_x3.pb FSRCNN-small_x3.pb LapSRN_x4.pb
使用PyTorch执行特征提取和微调的迁移学习来进行图像分类
flower_photos: 5种花朵原始图片集(雏菊、蒲公英、玫瑰、向日葵、郁金香)
config.py 配置文件将存储驱动程序脚本中使用的重要变量和参数。与其在每个脚本中重新定义它们只需在这里定义一次(从而使代码更干净、更容易阅读)
create_dataloader.py help函数,Dataloader加载flower_photos
output/ 存放训练损失图及模型
build_dataset.py 根据flower_photos目录构建数据集目录,将创建特殊的子目录来存储训练和验证拆分,允许PyTorch的ImageFolder脚本来解析目录并训练模型
train_feature_extraction.py 执行特征提取的迁移学习,并把模型存储磁盘
fine_tune.py 执行基于微调的迁移学习,并把模型存储磁盘
inference.py 接受经过训练的PyTorch模型,并使用它对输入的花朵图像进行预测
热视觉3:使用Python和OpenCV的发烧探测器(图像/视频/摄像头实时视频流人脸温度检测)
将 Haar 级联算法应用于热图像中的人脸,然后在热视频序列中,最后使用 USB 视频类 (UVC) 热像仪。这些部分分别在以下位置实现:
fever_detector_image.py:将 Haar级联人脸检测算法应用于输入热红外图像(faces_gray16_image.tiff)。
fever_detector_video.py:Haar级联人脸检测算法应用于输入视频帧(gray16_sequence文件夹)。
fever_detector_camera.py:将 Haar级联人脸检测应用于 UVC 热成像摄像机的视频输入流。
faces_gray16_image.tiff是图3(右)所示的原始灰16热图像,该图像是从热像仪RGMVision热成像CAM 1中提取的。
gray16_sequence文件夹包含示例视频序列。
haarcascade_frontalface_alt2.xml 预先训练的人脸检测器,由OpenCV库(GitHub)的开发人员和维护人员提供。
使用Python和OpenCV从图像/视频/实时摄像头流中测量任意一点的温度
basic_drawing.py 基础绘制脚本示例
measure_image_temperature.py 测试图片温度
measure_video_temperature.py 测试视频温度
gray8_vs_gray16.py gray6与gray16互相转换及增加颜色条
measure_camera_video_temperature.py 测试实时摄像头视频流温度
plot_bar.py
measure_image_click_temperature.py 鼠标时间测试任意一点温度
images/ 测试照片
lighter_gray16_image.tiff pygame_icon.tiff 测试照片
pil.py
animegan2-pytorch.rar Python使用AI animegan2-pytorch制作属于你的漫画头像/风景图
Python使用AI animegan2-pytorch制作属于你的漫画头像/风景图片
plot_sample.py 绘制原始图/效果图demo
test.py 用于生成人物/风景模型的文件
samples/inputs 输入风景图及人物图示例
convert_weights.py 解析模型文件
demo.ipynb
model.py 解析模型/重新训练的文件
weights/ 4个适用于人物/风景的模型文件
celeba_distill.pt
face_paint_512_v1.pt
face_paint_512_v2.pt
paprika.pt
photo2cartoon使用AI photo2cartoon生成漫画头像
$ tree --dirsfirst --filelimit 15 -h -t
.
|-- [ 0] utils
| |-- [ 0] __pycache__
| | |-- [2.1K] face_seg.cpython-37.pyc
| | |-- [3.0K] utils.cpython-37.pyc
| | |-- [ 194] __init__.cpython-37.pyc
| | |-- [2.5K] face_detect.cpython-37.pyc
| | `-- [1.8K] preprocess.cpython-37.pyc
| |-- [1.7K] face_seg.py
| |-- [ 58] __init__.py
| |-- [2.9K] face_detect.py
| |-- [2.0K] preprocess.py
| |-- [2.2K] utils.py
| `-- [ 31M] seg_model_384.pb
|-- [ 0] dat
使用Python,OpenCV快速傅立叶变换(FFT)在图像和视频流中进行模糊检测
blur_detector_image.py 图像模糊检测
blur_detector_video.py 实时视频流帧模糊检测
blur_detection/
blur_detector.py 实际进行检测的算法
images/
imgs/
output/
pyimagesearch/
ocr_video.py ocr实时视频流中的字
ocr_card.py ocr识别卡片上的字
使用Python,OpenCV检测极值点,文本方向检测及校正,ocr识别/翻译,图像转字符画,基础图像处理
add_col_row.py
ocr_and_spellcheck.py ocr识别及翻译
detect_orientation.py 检测文本方向及校正
img2zfh.py 图像转字符画
extreme_points.py 极值点检测
microsoft_ocr.py
amazon_ocr.py
ocr_translate.py ocr识别检测及翻译
ocr_business_card.py ocr卡片识别
scan_receipt.py 单据扫描及识别
visual_logging_example.py
im.py
basic_drawing.py
image_crop.py
img_preprocess.py
pytorch-classify-object-detect.rar 使用Pytorch训练卷积神进行对象检测(图像和视频流中)
classify_image.py
detect_image.py
predict.py
detect_realtime.py
train.py
train_lenet.py
coco.json
coco_classes.pickle
ilsvrc2012_wordnet_lemmas.txt
read_write_pickle.py
coco_classes.pkl
coco_classes_91.pickle
img_merge.py
coco_download.py
使用Python,Opencv进行EAST模型进行文本检测和识别
EAST(Efficient and Accuracy Scene Text)
在使用 GPU 在实时视频流中实现文本检测之前,首先对在 CPU 上运行 EAST 检测模型与 GPU 运行多少加速进行基准测试。
在没有 GPU 的情况下测量 EAST 文本检测 FPS 吞吐率(即在 CPU 上运行):
# python text_detection_speed.py --image images/ljcd_.jpg --east frozen_east_text_detection.pb
# GPU 下测量 EAST 文本检测 FPS 吞吐率(即在 GPU 上运行):
# python text_detection_speed.py --image images/ljcd_.jpg --east frozen_east_text_detection.pb --use-gpu 1
tessdata.rar 语言模型文件
afr.traineddata glg.traineddata osd.traineddata
amh.traineddata grc.traineddata pan.traineddata
ara.traineddata guj.traineddata pdf.ttf
asm.traineddata hat.traineddata pol.traineddata
aze.traineddata heb.traineddata por.traineddata
aze_cyrl.traineddata hin.traineddata pus.traineddata
bel.traineddata hrv.traineddata que.traineddata
ben.traineddata hun.traineddata
使用Python,OpenCV训练lenet模型,进行笑容检测
detect_smile.py
train_model.py
cpu_test.py
datasets/
lenet_mnist.py
SMILEsmileD-master.zip
对象追踪-使用Python,Opencv检测视频中的绿色小球,并进行画面处理去掉水印等
inpaint.py
video_process_writeVideo.py
video_process.py
ask_scatter.py
get_hsv.py
img_process.py
object_movement.py
neo4j-community-3.5.31-windows.zip安装包 3.x,4.x,5.x以及绘制人物关系图谱demo
plot_qshq_rwtp.py 使用python,neo4j绘制群山回唱人物关系图
qshc.txt 群山回唱人物关系
neo4j-community-3.5.31-windows.zip
neo4j-community-4.4.18-windows.zip
neo4j-community-5.5.0-windows.zip
graph.png 人物关系图谱png
graph.svg
图像搜索引擎使用python搜索视觉上相似的图像
rgbhistogram.py3D直方图作为图像描述符
index.py索引数据
searcher.py定义相似性指标
search_external.py检索图像并展示top10蒙太奇结果
point-clustering.rar Java后端前端进行经纬度点抽稀聚合渲染
Java后端进行经纬度点抽稀聚合,HTML呈现及前端聚合渲染
index.html 谷歌map后端点聚合
geos.html 后端点聚合并渲染
geo_cluster.html mapbox前端点聚合
jpg/heatJpgTile.html 栅格瓦片jpg渲染底图及数据
multilines.html 多点,线面渲染
深度学习天气照片数据集,分别包括clody,haze,sunrise,snow,shine,rain,thunder
深度学习天气照片数据集,分别包括clody,haze,sunrise,snow,shine,rain,thunder共7种天气数据集。
包括img_preprocess.py 预处理天气照片,缩放统一大小+修改名称
img_weather5.py 天气识别训练模型及验证文件
img_weather5_aug.py 升级版天气识别训练模型及验证文件,ImageDataGenerator扩充数据。使模型更好地推广。数据扩充涉及对现有训练数据添加随机旋转,平移,剪切和缩放比例。
img_minist1.py 数字识别(0-9)
img_rgb2.py 彩色图片分类('airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
img_fashion3.py 服装分类(T恤/上衣', '裤子', '套头衫', '连衣裙', '外套','凉鞋', '衬衫', '运动鞋', '包', '短靴)
ImageNet 1000种类标签
coco.pickle
coco80,coco91标签类
coco部分测试images
使用PyTorch预训练的网络进行图像分类(vgg16,vgg19,inception,densenet,resnet,)
使用PyTorch预训练的网络进行目标检测(frcnn-resnet, frcnn-mobilenet, retinanet)
使用PyTorch训练神经网络
使用PyTorch训练卷积神经网络
coco_classes.pickle 80,91种标签类
coco部分测试images
ImageNet 1000种类标签
image_info_test-dev2015.json
tessdata 进行ocr识别中文,英文,字母需要的文件
chi_sim.traineddata
chi_sim_vert.traineddata
osd.traineddata
eng.traineddata
使用TensorFlow、Keras和深度学习实现像素无序超分辨率
使用TensorFlow、Keras和深度学习实现像素无序超分辨率,包括自定义训练模型,源码,BSD数据集
BSR_bsds500.tgz
BSDS500,Berkeley分段数据集。该数据集专门用于图像分割领域,包含500幅图像。
基于深度学习的预训练好的超分辨率模型
包括EDSR、ESPCN、FSRCNN、LapSRN,分别放大2倍,3倍,4倍,8倍的预训练好的模型
1. EDSR_x4.pb:单图像超分辨率纸的增强深度残差网络模型-将输入图像分辨率提高4倍
2. ESPCN_x4.pb:使用高效的亚像素卷积神经网络实现实时单图像和视频超分辨率的超分辨率模型,将分辨率提高4倍
3. FSRCNN_x3.pb:加速超分辨率卷积神经网络的模型-将图像分辨率
4. LapSRN_x8.pb:超分辨率模型,来自快速准确的图像超分辨率和深拉普拉斯金字塔网络-将图像分辨率提高8倍
dbclusterdemo.rar
open3d dbscan聚类算法demo
包含fragment.pcd frament.ply及聚类后生成点云文件,效果图jpg,效果视频mp4
fragment.ply等点云文件
open3d demo点云源文件
python-pcl-master.zip
windows安装使用python-pcl的代码测试压缩包
bunny.pcd等点云源文件
bunny.pcd
|-- lamppost.pcd
|-- table_scene_lms400.pcd
|-- table_scene_mug_stereo_textured.pcd
`-- table_scene_mug_stereo_textured_noplane.pcd
LAStools.zip
涉及点云las、laz、pyz、txt等读取写入,lasinfo点云信息概览,laszip点云无损压缩,以及点云voxel抽稀等源码及exe。