testMatchTemplateCAM

附件是Labeling Complicated Objects: Multi-View Multi-Instance Multi-Label Learning的pdf文档，南京大学的教授

说明：  本文针对滑坡预测预报这一复杂性问题提出一种基于前向反馈传播（BP）神经网络的预测模型，描述了滑坡系统输入输出之间的非线性关系。为克服 BP 网络后期收敛速度慢、易陷入局部极小点等缺点，以遗传算法（GA）和模拟退火算法（SA）相结合的方式即遗传-模拟退火（GSA）算法对网络权值进行优化。用该方法预测滑坡位移获得了较好的效果(In this paper, a prediction model based on forward feedback propagation (BP) neural network is proposed for the complex problem of landslide prediction. The nonlinear relationship between input and output of landslide system is described. In order to overcome the shortcomings of BP network, such as slow convergence speed and easy to fall into local minima, genetic algorithm (GA) and simulated annealing algorithm (SA) are combined to optimize the network weight. The method can be used to predict the displacement of landslides)

说明：  用python实现双字哈希字典，可用于中文分词(Using Python to realize double-character hash dictionary, which can be used for Chinese word segmentation)

说明：  基于光流特征的监控视频异常行为检测 使用CNN，RNN在UCSD数据库中实现 使用Keras，python3.6(Abnormal Behavior Detection of Monitoring Video Based on Optical Flow Characteristics)

我们被要求设计三个分类器：KNN分类器，感知器分类器，SVM分类器；和无监督的维数缩减方法：PCA；并在两个数据集：手写数字图像（MNIST数据集）和一组文本（SST数据集）上测试这些学习算法。 需要实现的任务是从图形源中识别0-9的手写数字以获取文本信息，以及判断文本的情绪。

c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法，c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法

使用Python实现MOEA/D，对于分解部分可以更换其他分解函数；对于基因重组部分可以更换其他交叉变异算子(Using Python to implement MOEA/D, other decomposition functions can be replaced for the decomposition part, and other crossover mutation operators can be replaced for the gene recombination part.)

查找图像的局部极大值，功能强大，速度快，精度高(Finding the local maximum of an image is powerful, fast and accurate.)

说明：  基于树莓派B+版本的车牌识别设计，辨识部分以树莓派3B+/3B为核心处理器，基于Linux平台，通过python3.5和OpenCV来对含有车牌信息的图片，进行高斯去噪、灰度化、边缘检测、二值化、闭操作、字符分割、字符识别匹配等一系列图像处理操作最终实现车牌识别这个系统。(Based on the design of license plate recognition of raspberry pie B+version, the recognition part takes raspberry pie 3B+/3B as the core processor, and based on Linux platform, uses Python 3.5 and OpenCV to process the image containing license plate information, and carries out a series of image processing operations such as Gaussian denoising, graying, edge detection, binarization, closed operation, character segmentation, character recognition matching, etc. Finally, the system of license plate recognition is realized)

基于图像处理、模式识别和k-means聚类，对图像特征进行提取和分类，分别建立了图像定位模型、分类模型和异物检测模型