资源列表
模式识别，人脸识别
- 基于lent——5的模式识别算法，能够高速的识别人脸
MNIST数据集
- 手写数字识别数据集的训练集和测试集，关于BP神经网络(Handwritten digit recognition data set)
LeNet
- 本文档是LeNet的源代码，主要用于迁移学习，当然可以进行相应的调整和改进，使得性能更加优越。(This document is the source code of LeNet, which is mainly used for migration learning. Of course, corresponding adjustments and improvements can be made to make the performance more superior.)
人脸识别dlib19.10
- 一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便，直接包含头文件即可，并且不依赖于其他库（自带图像编解码库源码）。Dlib可以帮助您创建很多复杂的机器学习方面的软件来帮助解决实际问题。目前Dlib已经被广泛的用在行业和学术领域,包括机器人,嵌入式设备,移动电话和大型高性能计算环境。
src
- 无人平台小车，能在ROS环境下的gazebo中实现激光雷达生成二维点云图、自动避障等功能(The unmanned platform car can generate two-dimensional point cloud image and avoid obstacles automatically in the gazebo of ROS environment)
matlab代码
- Matlab代码，根据算法原理自己编写的基本算法的代码，有：KNN，层次聚类，C均值，最邻近算法。包括自己挑选的数据集，对算法准确率的测试。(Matlab code, the code of the basic algorithm written by itself according to the algorithm principle, there are: KNN, hierarchical clustering, C-means, nearest neighbor algorithm.
Simple Demo
- 人搜索 依赖 在python3.7 MacOS 10.14.6下测试 ——python包 ——opencv-python ——tb-nightly -torch>= 1.0 下载weights 从这里下载，密码:qscx 下载后，将权重放到文件夹 person_search_demo/weights中 测试 cd <指向此floder>的路径 python search 结果将保存在输出文件夹中 训练 您可以直接使用原始的YOLO代码进行培训。
shape_predictor_81_face_landmarks-master
- 基于dlib库的人脸68个特征点训练模型的扩展模型，可识别出人脸81个特征点，包括额头部分。(Based on the extended model of the face training model of 68 feature points based on Dlib database, 81 feature points can be recognized, including the forehead part.)
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是
梯度下降法 回溯直线搜索 python代码
- 梯度下降法 回溯直线搜索 python代码 包含回溯直线搜索，以及初始值相同时不同alpha,beta值对下降速度的影响测试 用jupyter notebook打开
程序
- 该程序实现了多个移动机器人的编队控制及其避障。(The program realizes formation control and obstacle avoidance of multiple mobile robots.)
cntData_CSP_FLDA
- 本算法针对运动想象的脑电数据，进行预处理并后续用分类器做分类。 该实验所用的的脑电特征提取方法主要是csp空间滤波，并后续用FLDA来进行特征分类。最终得到较好的效果(In this algorithm, the EEG data of motion imagination are preprocessed and then classified by classifier. The main feature extraction method of EEG in this experime