展开

关键词

SpringMVC知

的父子容器关系运行原理相关组件二、SpringMVC开发方式配置式开发步骤静态资源无法访问的三种解决方案前端控制器拦截路径配置简单案例注解式开发常用注解使用前提简单案例访问方法三、常用技巧视图解析器快速更改访问名解决网页输入时 Spring 配备构Web 应用的全功能MVC框架。Spring可以很便捷地和其他MVC框架集成,如Struts,Spring 的MVC框架用控制反转把业务对象和控制逻辑清晰地隔离。 ,表示@Controller标的类里面的所有返回参数都放在response body里面。 可以令我们直接返回jsp的名称,而不需要加前缀和后缀 prefix : 前缀 suffix : 后缀 例: 若控制器方法中:retrun welcome; 则返回的是jspwelcome.jsp快速更改访问名 throws IOException{ 指定下载文件 File file = new File(f:ybl.png); InputStream is = new FileInputStream(file); 创字节数组

21410

Zynq-7000 肤色

Zynq-7000 肤色1 背景知在肤色算法中,常用的颜色空间为Ycbcr,Y代表亮度,cb代表蓝色分量,cr代表红色分量。 0.439*R-0.368*G-0.071*B+128对肤色进行判定的条件常使用如下判定条件:Cb > 77 && Cb < 127Cr > 133 && Cr < 1732 zynq-7000的肤色实现本节工程的立基于 2.1 肤色IP的介绍? 从总模块图可以看到首先实现rgb颜色空间转ycbcr颜色空间,其次实现肤色。2.3 实验结果?实验原图1?实验原图2?实验结果图1? 173调整cb和cr分量的阈值来达到最佳的肤色效果。

28310
  • 广告
    关闭

    90+款云产品免费体验

    提供包括云服务器,云数据库在内的90+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    -- 活检测(张嘴摇头)

    一:简介最近项目在做了身份证银行卡之后,开始实现和活,其中包括脸入库、脸查找、脸1:N对比、脸N:N对比,另外活运用在安全登录功能。 大家都熟知的支付宝使用face++ 的服务来实现,在实际项目中使用了讯飞的SDK进行二次封装来实现活。主要实现了张嘴和摇头两个活动作的。 在实际运用中,有很多app为了高度保证用户使用的安全问题,除了常规的账号密码登录之外,相继实现了指纹登录,手势登录,第三方登陆(QQ、微信、支付宝)、刷脸登录,接下里我就和大家分享一下如何实现的活检测 二:实现思路分析点击按钮,调用相机CameraRules类,检测相机权限初始化页面,创摄像页面,创张嘴数据和摇头数据开启,脸部框脸部部位,脸部判断是否检测到脸检测到脸之后,判断位置位置判断合适 SDK下载因为项目中使用到讯飞SDK,需要去讯飞开放平台创应用,下载SDK。?11.png2. 添加系统库将开发工具包中lib目录下的iflyMSC.framework添加到工程中。

    1K10

    OpenCV4.5.4 DNN模块使用介绍--如何快速一个系统

    导读本文主要介绍OpenCV4.5.4中模块的使用和简易系统的,供大家参考。 背景介绍 前几天刚刚更新的OpenCV4.5.4版本将基于DNN的脸检测和添加到modulesobjdetect中,具更新介绍如下:OpenCV4.5.4更新了!看看都有哪些新功能? 脸检测使用的是于仕琪老师团队开源的脸检测库,具使用可参考往期文章,检测速度和准确率都很不错。 OpenCV DNN脸检测模块使用步骤演示(基于OpenCV4.5.4) 效果如下:同时OpenCV4.5.4 新增了DNN模块,部分的模型是由下面几位贡献者训练提供:在不同数据集下的准确率和推荐阈值设置 : 模块使用介绍 DNN例程位置:OpenCV4.5.4_Releaseopencvsourcessamplesdnnface_match.cpp使用步骤: ① 下载模型文件: 脸检测模型下载地址

    37420

    浅谈如何

    什么是知系 知系有三个特性:目标性、系性以及抽象性,多使用逻辑树进行构。   目标是指方向聚焦,系有重点。系是指结构完整、层次分明,前 2 层分支的平衡性越好,归纳程度也越强。 但同样容量的数据为什么在检索、使用的时候,脑却远比电脑低效呢?检索从数据表的角度理解是索引和表结构,使用从代码的角度理解是类的封装和继承。立知系,目的是立类似电脑的数据存储和应用结构。 从而认知知全貌及迅速找到知的关联。  前者用于查漏补缺,后者则用于知的高效检索及组合使用。 构系的步骤 整分为 4 步:找方法、框架、收集知、学习方式。 很多时候我们并不是不会解决问题,而是缺少解决问题的方法,构系也是如此。 ? 在构之前,我们应找到自己的普适性方法。 早在 2300 多年前,庄子曾经说过以有限的生命追逐无限的知,那么一定会失败。系的目的在于圈定范围、有序学习。 1)明确系目标 目标决定了我们要立什么样的知系。

    47294

    博客操作

    一.准备环境1.安装node.js简介因为hexo是基于node.js的,所以node.js是必须要装的,安装也特简单,去 官网 下载适合自己windows的版本。 输入以下命令,运行即可: hexo clean #清理之前的内容hexo g #重新渲染htmlhexo s #开启服务器浏览器访问网址: http:localhost:4000至此,您的Hexo博客已经在本地 $ hexo new 可以为以下三种: 参数名 功能 文章路径 post 新博文 source_posts page 新页面(如404,分类) source draft 草稿 source_drafts 文件夹内相对应的文件来立文件,例如:$ hexo new blog “simon”在执行这行指令时,Hexo 会尝试在 scaffolds 文件夹中寻找 blog.md,并根据其内容立文章。 默认可以使用的Front-matter: 参数 描述 默认值 layout 布局 title 标题 date 立日期 文件立日期 updated 更新日期 文件更新日期 comments 开启文章的评论功能

    23920

    TensorflowCNN实现验证码

    0478 check_path():检查文件夹是否存在,如不存在则创。 gen_captcha():生成验证码方法,写入之前检查是否以存在,如存在重新生成。

    40330

    初级篇,利用 Android 一个简易的APP

    初始,准备工作安装Android sudio 开发工具android 运行环境(java14)腾讯云OCR产品开通,及其秘钥获取 一、立一个Android空项目及目录层次介绍(1)android 空项目以及环境,请参考:Windows + Android studio 基础的Android 环境(Java SE 14)(2)目录结构介绍image.png .gredia以及idea目录 gradlew是在linux或mac系统中使用的,gradlew.bat是在windows系统中使用的,本章无关***.iml 文件:iml文件是所有intellij IDEA项目都会自动生成的文件,标是 FaceUtilsJson{ public static String getGenderName(int Age) { 性处理 if (Age > 49) { return 男性; } else } else { return 未佩戴口罩; } }} 四、权限赋予 (src > main > AndroidManifest.xml) 五、调用及其展示 image.png image.png 成功的话

    1.7K43

    GAN提高准确率

    论文地址https:arxiv.orgabs1701.07717内容简介这篇文章的主要贡献是只使用原始数据集进行半监督学习,提高行的Baseline。 具实现?作者使用真实数据集训练一个DCGAN模型,然后用DCGAN作为数据生成工具,生成没有标签的数据。然后用真实数据和生成的没有标签的数据进行分类训练。这里作者的分类模型是resnet50。 求损失函数采用作者提出的LSRO方式,如上面公式,如果当前数据是生成的数据,即 那么损失函数采用 这种形式,即认为生成的数据属于每一个类的概率是相同的 ,(K是总类数量)。 修改ResNet50的全连接层,使得输出类为751,702,1367.分对应Market-1501,DukeTMC-reID和CUHK03的类数。 思考:一开始并没有弄清行的概念,一直按照分类的思想去理解,论文有很多不能理解的地方,后来查阅资料,还有数据集了解到行一般指图像检索而不是图像分类。

    83570

    基于 Openpose 实现动作

    在多目标姿态方面,历史上常见的方法有通过自顶而下的候选关键点查找并结合空间联系优化算法匹配物以及通过立部分亲和字段的方法实现关键点检测到骨架连接等等。 本项目针对当前行为监测中的精度不足、效率较低等问题,结合了openpose的姿态技术通过不同肢之间的协调关系来分类算法,并通过不同的分类算法比较,选择出最优模型多目标的分类方法,最终可以实现多个目标的姿态显示 在此次的模型中通过调用轻量级的openpose模型进行姿态,其主要的方法是通过openpose获取各个骨骼关键点位置,然后通过欧氏距离进行匹配两个骨骼来具检测到每一个,对于常见检测中骨骼关键点的缺失可以通过上一帧的骨骼信息进行填充 1.1 Openpose环境的构openpose是依赖于卷积神经网络和监督学习实现姿态评估算法,其主要的优点在于适用于多二维且较为精准和迅速的开源模型。 整个多目标动作监测系统的主要是依赖于openpose的姿态环境。

    70830

    量化投资(一)

    量化投资(一)简介最近股市波动,不少 厮杀多年的投资 老韭菜也关灯吃面。作为一名技术员利用量化交易来进行投资,才能让自己更理智的面对动荡不安的A股。 如何立起一个成熟的投资策略,是非常重要的,关键时刻也许可以让我们避免被割。想立一个成熟的投资系,最重要的就是数据和策略。 立数据系想要回看自己的策略是否成功,首先需要有一整套数据才行,最方便的就是从 Tushare 上获取,但是因为现在的积分制改革,或许有一天我们就不能自由的获取了,所以自己一个数据库是最合适的方法。 安装数据库本是在Windows机器上的,所以说一下在Windows上安装的过程。首先是从网站上下载数据库的安装文件,但是从官方网站上下载太慢了,这里我选用的是从 清华源 下载的MySQL。 总结本次文章主要是利用 Tushare 上的数据来自己的数据基础,后面会分享利用 Backtrader 来进行策略编写,回测对应的股票数据。

    51320

    :理论、模、应用

    介绍面部是的独特标,每个都有着独特的面部特征。通过一个的面部可以出其身份,不过双胞胎可能有点困难。那么什么是面部系统? 简单来说,面部系统是一种通过的面部轮廓比较和分析来从数字图像或视频源中的身份的技术。已经成为深度学习的重要方向。? 立模型构模型的方法有很多,简单的可以直接用python调用dlib库,还可以使用简单的卷积神经网络(CNN)模型来训练模型,本次给大家提供一个通过CNN训练的简单示例。 数据增强:一种有效扩展数据的方法,有助于我们构强大的系统,通过应用各种操作(如挤压,拉伸,翻转,放大,缩小,裁剪,旋转图像等)将单个图像转换为多个图像,从而确保以不同的角度和方向面部。 在这里,我创了一个具有三个卷积层和2个Droupout层的模型,其值分为0.25和0.5。具代码如下:?

    83310

    百度开放离线SDK,活率超过98%

    近日,在百度AI开发者实战营深圳站中,百度宣布开放离线能力,并以SDK的方式一站式集合离线脸采集、离线活检测、离线(对比搜索)三大功能,按设备维度授权,最低仅需199元个。? 据悉,本次百度开放的三大离线能力包括离线脸采集、离线活检测、离线(对比搜索),并以SDK的方式开放。 “离线活检测”是保障商业应用安全性的核心技术。百度此次开放的三种离线活检测能力,无需用户做任何指定配合动作,可完全做到无感知活检测,保证准确率的同时大大提升用户验。 “Depth深度活(结构光)”配合镜头模组,通过3D立模判断目标对象是否为活,可进一步增强活判断能力,大家熟知的iPhone X脸解锁就是用的该项技术,而百度是业界首个将它完全对外开放的企业 据悉,应用这三种活方案可做到攻击拒绝率超过99.9%,活业务通过率超过98%,远超行业现状,用户可根据需要灵活组合。“离线”可实现设备本地完成全流程。

    2.4K20

    入门项目数字手写:使用Keras完成CNN模型

    在面部、自动驾驶、物检测等领域,CNN被广泛使用,并都取得了最优性能。 对于绝大多数深度学习新手而言,数字手写任务可能是第一个上手的项目,网络上也充斥着各种各样的成熟工具箱的相关代码,新手在利用相关工具箱跑一遍程序后就能立刻得到很好的结果,这时候获得的感受只有一个—— 从图中可以看到,左上角是存储在训练集X_train的手写图像‘5’,y_train表示对应的标签‘5’。整个深度学习模型的功能是训练好之后能够预测出手写的数字具是什么。 构模型遵循的系结构是经典卷积神经网络,分含有2个卷积层,之后是连接全连接层和softmax分类器。如果你对每层的作用不熟悉的话,议学习CS231课程。 to squash the matrix into output probabilitiesmodel.add(Dense(num_category, activation=softmax)) 模型好之后

    37010

    Android脸特征

    ,在完成了脸注册之后我们该如何出用户的脸特征,从而通过获取用户信息。 的全部流程集成在官方 Demo 的 DetecterActivity 文件中。 还是来了解几个概念脸追踪 FT年龄检测 Age性检测 Gender其中脸追踪 FT 与脸检测 FD 功能基本一致(甚至代码基本都是相同的),Age 引擎用于年龄,Gender 引擎用于 流程整上比脸注册还要简单,官方提供了很好的封装供我们使用,我们来看看流程。 在获得这个信息后,我们调用FR引擎出特征值信息,然后使用AFR_FSDK_FacePairMatching特征值匹配方法,一一的与我们程序中原来存储的脸特征进行匹配,取出其中匹配值最高的那组特征值

    1.6K30

    Hexo-完全免费全平台博客(1)-整

    2017-03-0911:04:17 发表评论 2,405℃热度几个月前就想写这篇文章了,很多也让我写过,也帮很多过,但是一直没时间纪录下来,这次有时间了,把安装的过程详细的记录下来。 修改主题为 next 后,可以顺便把配置文件里面的其他东西一并修改,下面是我修改好的_config.yml ,个添加了详细解释,大家根据自己情况修改(_config.yml是博客的整配置文件,很多基础配置  true  auto_detect: false  tab_replace: # Category & Tagdefault_category: ios #默认分类category_map: #分类名 ,国外 VPS 性价比比较高,可以还可以放置个博客等等,价格100到几千一年不等。 5.总结到这里,简单的一个完全免费的个博客已经搞定。其实还是挺简单的,而且有官方文档,挺详细的,想要更多的设置,更加个性化,还有很多要做,一步一步来,先把整个框架起来,保证博客能访问。

    4.1K90

    语音方法汇总与实例

    文章目录语音语音过程 预处理:语音信号预处理—提取语音MFCC特征工具KaldiDeepSpeechwav2letter端到端语音语音 自动语音技术(AUTOMATIC SPEECH RECOGNITION, ASR)是一种将的语音转换为文本 的技术。 语音作为一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处 理理论、信息论、计算机科学等众多学科紧密相连。 语音近年来受关注度不断提升,相关技术广泛用于家用电器和电子设备,如智能音 箱、声控遥控器,移动应用上的各种声控操作、语音助手等;也可用于个、呼叫中心, 以及电信级应用的信息查询与服务等领域。 ? 典型的语音系统由5部分构成:特征提取、声学模型、发音词典、语言模型和解码搜索。 过程简介:

    15510

    基于HMM的语音(未用HTK)

    文章目录语音to dosource结果语音1.最近研究语音,就顺便研究了一下隐马尔科夫链。 2.其中核心代码为: 3.训练样本数据集,请联系作者。 usrbinpythonAuthor:Yan Errol Email:2681506@gmail.com Wechat:qq260187357Date:2019-05-04--19:50File:HMM语音 Describe: 立语音 import osimport argparseimport numpy as npfrom scipy.io import wavfilefrom hmmlearn import hmmfrom python_speech_features import mfcc # 创HMM类class HMMTrainer(object): 用高斯隐马尔科夫模型(GaussianHMMs )来对数据模。

    14010

    从零开始智慧零售场景下的应用

    通过抓取客户脸照,进行,特征提取,与构好的脸库进行1vN比较,从而出客户的身份。 小明开始构思系统框架,为了实现他的智能客户系统,他需要构一个VIP脸库,一个普通用户脸库,通过在超市门口安装摄像头获取客户的脸照片,然后将照片上传到云端进行和特征比较,从而出客户的信息 ,通过创员库、创员和脸搜索接口可以完成系统云端的身份功能。 API接口封装根据小明的设计,要实现这个智能客户系统,需要立两个脸库(VIP库和普通脸库),并往库中添加对应的脸,然后通过脸搜索完成客户身份的自动。 (demo源码),在智慧零售场景下已经得到了广泛应用,通过,店内服务员可以第一时间获取进店会员、回头客的身份信息,提供个性化服务,提升服务质量和消费验,实现精准营销同送,客流分析等能力

    1.6K125

    转换为灰度图,降低计算强度 face_cascade = cv2.CascadeClassifier(d:haarcascadeshaarcascade_frontalface_alt.xml) # 探测脸 # 根据训练的数据来对新图片进行的过程。 必选参数,其他可以不写  scaleFactor= 1.01, #控制金字塔层数,通常范围1.01~1.5 参数越小,层数越多,结果越精确  minNeighbors = 1, #为5表示有5次重叠才认为脸存在   minSize = (1,1),#寻找脸的最小区域) # 处理脸探测的结果print ({0}.format(len(faces)))for(x,y,w,h) in faces:    cv2.

    84010

    相关产品

    • 人体分析

      人体分析

      人体分析包含人像分割、人体识别、行人重识别(Reid)等服务。人像分割可识别视频、图片中的半身人体轮廓,并将其与背景分离;人体检测,可识别行人的穿着、体态、发型等信息;行人重识别(Reid)可实现跨摄像头跨场景下行人的识别与检索。可应用于人像抠图、背景特效、行人搜索、人群密度检测等场景。

    相关资讯

    热门标签

    扫码关注云+社区

    领取腾讯云代金券