🌵的案例列表
基于人脸识别的考勤系统
在大场景下进行人脸检测、人脸对齐、特征提取、特征比对、生成考勤结果、写入数据库等。 我充当的角色为全栈工程师。主要进行了可行性分析、技术选型、需求分析、按照开发流程绘制UML图、根据UML图实现系统、测试。 前端使用了常规的css+js+react进行开发；后端使用了python+django+sqlite；算法使用了pytorch+opencv+dlib。
基于simhash的图像相似度计算
输入图像所处文件，自动去重。 原理： 总体上借用了simhash的思想。 1.提取图片的HSV特征并转成直方图； 2.通过tfidf获得最能表达该图特点的几个维度； 3.生成权重，将topn的每一位映射成哈希值，该哈希值为十进制，需要先转化成二进制然后进行归一化，大于1为1否则为-1； 4.生成simhash，将n个权重向量加在一起，再归一化，大于1为1否则为0 5.通过计算两张图片指纹间的海明距离来计算两张图片的相似度
基于simhash的图像相似度计算
输入图像所处文件，自动去重。 原理： 总体上借用了simhash的思想。 1.提取图片的HSV特征并转成直方图； 2.通过tfidf获得最能表达该图特点的几个维度； 3.生成权重，将topn的每一位映射成哈希值，该哈希值为十进制，需要先转化成二进制然后进行归一化，大于1为1否则为-1； 4.生成simhash，将n个权重向量加在一起，再归一化，大于1为1否则为0 5.通过计算两张图片指纹间的海明距离来计算两张图片的相似度
案例判断参考
🌵的案例列表
基于人脸识别的考勤系统
在大场景下进行人脸检测、人脸对齐、特征提取、特征比对、生成考勤结果、写入数据库等。 我充当的角色为全栈工程师。主要进行了可行性分析、技术选型、需求分析、按照开发流程绘制UML图、根据UML图实现系统、测试。 前端使用了常规的css+js+react进行开发；后端使用了python+django+sqlite；算法使用了pytorch+opencv+dlib。...
基于simhash的图像相似度计算
输入图像所处文件，自动去重。 原理： 总体上借用了simhash的思想。 1.提取图片的HSV特征并转成直方图； 2.通过tfidf获得最能表达该图特点的几个维度； 3.生成权重，将topn的每一位映射成哈希值，该哈希值为十进制，需要先转化成二进制然后进行归一化，大于1为1否则为-1； 4.生成simhash，将n个权重向量加在一起，再归一化，大于1为1否则为0 5.通过计算两张图片指纹间的海明距离来计算两张图片的相似度...
基于simhash的图像相似度计算
输入图像所处文件，自动去重。 原理： 总体上借用了simhash的思想。 1.提取图片的HSV特征并转成直方图； 2.通过tfidf获得最能表达该图特点的几个维度； 3.生成权重，将topn的每一位映射成哈希值，该哈希值为十进制，需要先转化成二进制然后进行归一化，大于1为1否则为-1； 4.生成simhash，将n个权重向量加在一起，再归一化，大于1为1否则为0 5.通过计算两张图片指纹间的海明距离来计算两张图片的相似度...
