CV:利用人工智能算法让古代皇帝画像以及古代四大美女画像动起来(模仿偶像胡歌剧中角色表情动作)

简介: CV:利用人工智能算法让古代皇帝画像以及古代四大美女画像动起来(模仿偶像胡歌剧中角色表情动作)


导读:本论文来自NeurIPS2019,该算法中主要采用一阶运动模型的思想,用一组自学习的关键点和局部仿射变换,建立了复杂运动模型。模型由运动估计模块和图像生成模块两个主要部分组成。首先进行关键点检测,然后根据关键点,进行运动估计,最后使用图像生成模块,生成最终效果。

额,哈哈,不好意思了,又拿我的偶像胡歌下手啦,视频截取来源偶像胡歌在《猎场》中的一角色。

目录

利用人工智能算法让经典图片根据自定义动作嗨起来(将一张静态人像图片转为带表情动作视频)

相关论文

输出结果

利用人工智能算法让古代皇帝画像动起来(模仿偶像胡歌《猎场》剧中角色表情动作)

利用人工智能算法让古代四大美女画像动起来

实现代码

依赖环境

导出当前依赖环境txt文档


作品视频链接

利用人工智能算法,让古代皇帝画像动起来(模仿偶像胡歌《猎场》剧中角色表情动作)

利用人工智能算法让古代美女《西施、王昭君、貂蝉、杨玉环四大美女领衔》画像动起来

利用人工智能算法让经典图片根据自定义动作嗨起来(将一张静态人像图片转为带表情动作视频)

相关论文

Paper:《First Order Motion Model for Image Animation》翻译与解读

输出结果

利用人工智能算法让古代皇帝画像动起来(模仿偶像胡歌《猎场》剧中角色表情动作)

利用人工智能算法让古代四大美女画像动起来

实现代码

1. import imageio
2. import torch
3. from tqdm import tqdm
4. from animate import normalize_kp
5. from demo import load_checkpoints
6. import numpy as np
7. import matplotlib.pyplot as plt
8. import matplotlib.animation as animation
9. from skimage import img_as_ubyte
10. from skimage.transform import resize
11. import cv2
12. import os
13. import argparse
14. 
15. ap = argparse.ArgumentParser()
16. ap.add_argument("-i", "--input_image", required=True,help="Path to image to animate")
17. ap.add_argument("-c", "--checkpoint", required=True,help="Path to checkpoint")
18. ap.add_argument("-v","--input_video", required=False, help="Path to video input")
19. 
20. args = vars(ap.parse_args())
21. 
22. print("[INFO] loading source image and checkpoint...")
23. source_path = args['input_image']
24. checkpoint_path = args['checkpoint']
25. if args['input_video']:
26.     video_path = args['input_video']
27. else:
28.     video_path = None
29. source_image = imageio.imread(source_path)
30. source_image = resize(source_image,(256,256))[..., :3]
31. 
32. generator, kp_detector = load_checkpoints(config_path='config/vox-256.yaml', checkpoint_path=checkpoint_path)
33. 
34. if not os.path.exists('output'):
35.     os.mkdir('output')
36. 
37. 
38. relative=True
39. adapt_movement_scale=True
40. cpu=False
41. 
42. if video_path:
43.     cap = cv2.VideoCapture(video_path) 
44. print("[INFO] Loading video from the given path")
45. else:
46.     cap = cv2.VideoCapture(0)
47. print("[INFO] Initializing front camera...")
48. 
49. fourcc = cv2.VideoWriter_fourcc(*'MJPG')
50. out1 = cv2.VideoWriter('output/Animation_HuGe_02.avi', fourcc, 12, (256*3 , 256), True)
51. 
52. cv2_source = cv2.cvtColor(source_image.astype('float32'),cv2.COLOR_BGR2RGB)
53. with torch.no_grad() :
54.     predictions = []
55.     source = torch.tensor(source_image[np.newaxis].astype(np.float32)).permute(0, 3, 1, 2)
56. if not cpu:
57.         source = source.cuda()
58.     kp_source = kp_detector(source)
59.     count = 0
60. while(True):
61.         ret, frame = cap.read()
62.         frame = cv2.flip(frame,1)
63. if ret == True:
64. 
65. if not video_path:
66.                 x = 143
67.                 y = 87
68.                 w = 322
69.                 h = 322
70.                 frame = frame[y:y+h,x:x+w]
71.             frame1 = resize(frame,(256,256))[..., :3]
72. 
73. if count == 0:
74.                 source_image1 = frame1
75.                 source1 = torch.tensor(source_image1[np.newaxis].astype(np.float32)).permute(0, 3, 1, 2)
76.                 kp_driving_initial = kp_detector(source1)
77. 
78.             frame_test = torch.tensor(frame1[np.newaxis].astype(np.float32)).permute(0, 3, 1, 2)
79. 
80.             driving_frame = frame_test
81. if not cpu:
82.                 driving_frame = driving_frame.cuda()
83.             kp_driving = kp_detector(driving_frame)
84.             kp_norm = normalize_kp(kp_source=kp_source,
85.                                 kp_driving=kp_driving,
86.                                 kp_driving_initial=kp_driving_initial, 
87.                                 use_relative_movement=relative,
88.                                 use_relative_jacobian=relative, 
89.                                 adapt_movement_scale=adapt_movement_scale)
90.             out = generator(source, kp_source=kp_source, kp_driving=kp_norm)
91.             predictions.append(np.transpose(out['prediction'].data.cpu().numpy(), [0, 2, 3, 1])[0])
92.             im = np.transpose(out['prediction'].data.cpu().numpy(), [0, 2, 3, 1])[0]
93.             im = cv2.cvtColor(im,cv2.COLOR_RGB2BGR)
94.             joinedFrame = np.concatenate((cv2_source,im,frame1),axis=1)
95. 
96.             cv2.imshow('Test',joinedFrame)
97.             out1.write(img_as_ubyte(joinedFrame))
98.             count += 1
99. if cv2.waitKey(20) & 0xFF == ord('q'):
100. break
101. else:
102. break
103. 
104.     cap.release()
105.     out1.release()
106.     cv2.destroyAllWindows()

依赖环境

1. C:\Users\Administrator>conda activate F:\File_Anaconda\project_py37\envs
2. 
3. (F:\File_Anaconda\project_py37\envs) C:\Users\Administrator>conda list
4. # packages in environment at F:\File_Anaconda\project_py37\envs:
5. #
6. # Name                    Version                   Build  Channel
7. attrs                     19.3.0                   pypi_0    pypi
8. backcall                  0.1.0                    pypi_0    pypi
9. blas                      1.0                         mkl    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
10. bleach                    3.1.5                    pypi_0    pypi
11. ca-certificates           2021.10.26           haa95532_2    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
12. certifi                   2021.10.8        py37haa95532_0    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
13. cffi                      1.11.5                   pypi_0    pypi
14. cloudpickle               0.5.3                    pypi_0    pypi
15. colorama                  0.4.3                    pypi_0    pypi
16. cpuonly                   2.0                           0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
17. cudatoolkit               8.0                           4    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
18. cycler                    0.10.0                   pypi_0    pypi
19. dask                      0.18.2                   pypi_0    pypi
20. decorator                 4.3.0                    pypi_0    pypi
21. defusedxml                0.6.0                    pypi_0    pypi
22. entrypoints               0.3                      pypi_0    pypi
23. freetype                  2.10.4               hd328e21_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
24. imageio                   2.3.0                    pypi_0    pypi
25. importlib-metadata        1.6.0                    pypi_0    pypi
26. intel-openmp              2021.4.0          haa95532_3556    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
27. ipykernel                 5.2.1                    pypi_0    pypi
28. ipython                   7.14.0                   pypi_0    pypi
29. ipython-genutils          0.2.0                    pypi_0    pypi
30. jedi                      0.17.0                   pypi_0    pypi
31. jinja2                    2.11.2                   pypi_0    pypi
32. jpeg                      9d                   h2bbff1b_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
33. jsonschema                3.2.0                    pypi_0    pypi
34. jupyter-client            6.1.3                    pypi_0    pypi
35. jupyter-core              4.6.3                    pypi_0    pypi
36. kiwisolver                1.0.1                    pypi_0    pypi
37. libpng                    1.6.37               h2a8f88b_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
38. libtiff                   4.2.0                hd0e1b90_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
39. libuv                     1.40.0               he774522_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
40. libwebp                   1.2.0                h2bbff1b_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
41. lz4-c                     1.9.3                h2bbff1b_1    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
42. markupsafe                1.1.1                    pypi_0    pypi
43. matplotlib                2.2.2                    pypi_0    pypi
44. mistune                   0.8.4                    pypi_0    pypi
45. mkl                       2021.4.0           haa95532_640    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
46. mkl-service               2.4.0            py37h2bbff1b_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
47. mkl_fft                   1.3.1            py37h277e83a_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
48. mkl_random                1.2.2            py37hf11a4ad_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
49. nbconvert                 5.6.1                    pypi_0    pypi
50. nbformat                  5.0.6                    pypi_0    pypi
51. networkx                  2.1                      pypi_0    pypi
52. ninja                     1.10.2           py37h559b2a2_3    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
53. notebook                  6.0.3                    pypi_0    pypi
54. numpy                     1.15.0                   pypi_0    pypi
55. olefile                   0.46                     py37_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
56. opencv-python             4.2.0.34                 pypi_0    pypi
57. openssl                   1.1.1l               h2bbff1b_0    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
58. packaging                 20.4                     pypi_0    pypi
59. pandas                    0.23.4                   pypi_0    pypi
60. pandocfilters             1.4.2                    pypi_0    pypi
61. parso                     0.7.0                    pypi_0    pypi
62. pickleshare               0.7.5                    pypi_0    pypi
63. pillow                    5.2.0                    pypi_0    pypi
64. pip                       21.2.4           py37haa95532_0    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
65. prometheus-client         0.7.1                    pypi_0    pypi
66. prompt-toolkit            3.0.5                    pypi_0    pypi
67. pycparser                 2.18                     pypi_0    pypi
68. pygit                     0.1                      pypi_0    pypi
69. pygments                  2.6.1                    pypi_0    pypi
70. pyparsing                 2.2.0                    pypi_0    pypi
71. pyrsistent                0.16.0                   pypi_0    pypi
72. python                    3.7.11               h6244533_0    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
73. python-dateutil           2.7.3                    pypi_0    pypi
74. pytorch                   1.0.1           py3.7_cuda80_cudnn7_1    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
75. pytorch-mutex             1.0                         cpu    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
76. pytz                      2018.5                   pypi_0    pypi
77. pywavelets                0.5.2                    pypi_0    pypi
78. pywin32                   227                      pypi_0    pypi
79. pywinpty                  0.5.7                    pypi_0    pypi
80. pyyaml                    5.1                      pypi_0    pypi
81. pyzmq                     19.0.1                   pypi_0    pypi
82. scikit-image              0.14.0                   pypi_0    pypi
83. scikit-learn              0.19.2                   pypi_0    pypi
84. scipy                     1.1.0                    pypi_0    pypi
85. send2trash                1.5.0                    pypi_0    pypi
86. setuptools                58.0.4           py37haa95532_0    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
87. six                       1.11.0                   pypi_0    pypi
88. sqlite                    3.36.0               h2bbff1b_0    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
89. terminado                 0.8.3                    pypi_0    pypi
90. testpath                  0.4.4                    pypi_0    pypi
91. tk                        8.6.11               h2bbff1b_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
92. toolz                     0.9.0                    pypi_0    pypi
93. torchvision               0.2.2                      py_3    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
94. tornado                   6.0.4                    pypi_0    pypi
95. tqdm                      4.24.0                   pypi_0    pypi
96. traitlets                 4.3.3                    pypi_0    pypi
97. typing_extensions         3.10.0.2           pyh06a4308_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
98. vc                        14.2                 h21ff451_1    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
99. vs2015_runtime            14.27.29016          h5e58377_2    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
100. wcwidth                   0.1.9                    pypi_0    pypi
101. webencodings              0.5.1                    pypi_0    pypi
102. wheel                     0.37.0             pyhd3eb1b0_1    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
103. wincertstore              0.2              py37haa95532_2    http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
104. xz                        5.2.5                h62dcd97_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
105. zipp                      3.1.0                    pypi_0    pypi
106. zlib                      1.2.11               h62dcd97_4    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
107. zstd                      1.4.9                h19a0ad4_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

导出当前依赖环境txt文档

1. F:\File_Anaconda\project_py37\RealTimeImageAnimation>conda activate F:\File_Anaconda\project_py37\envs
2. 
3. (F:\File_Anaconda\project_py37\envs) F:\File_Anaconda\project_py37\RealTimeImageAnimation>conda list -e > requirements2020.txt
4. 
5. 
6. # This file may be used to create an environment using:
7. # $ conda create --name <env> --file <this file>
8. # platform: win-64
9. attrs=19.3.0=pypi_0
10. backcall=0.1.0=pypi_0
11. blas=1.0=mkl
12. bleach=3.1.5=pypi_0
13. ca-certificates=2021.10.26=haa95532_2
14. certifi=2021.10.8=py37haa95532_0
15. cffi=1.11.5=pypi_0
16. cloudpickle=0.5.3=pypi_0
17. colorama=0.4.3=pypi_0
18. cpuonly=2.0=0
19. cudatoolkit=8.0=4
20. cycler=0.10.0=pypi_0
21. dask=0.18.2=pypi_0
22. decorator=4.3.0=pypi_0
23. defusedxml=0.6.0=pypi_0
24. entrypoints=0.3=pypi_0
25. freetype=2.10.4=hd328e21_0
26. imageio=2.3.0=pypi_0
27. importlib-metadata=1.6.0=pypi_0
28. intel-openmp=2021.4.0=haa95532_3556
29. ipykernel=5.2.1=pypi_0
30. ipython=7.14.0=pypi_0
31. ipython-genutils=0.2.0=pypi_0
32. jedi=0.17.0=pypi_0
33. jinja2=2.11.2=pypi_0
34. jpeg=9d=h2bbff1b_0
35. jsonschema=3.2.0=pypi_0
36. jupyter-client=6.1.3=pypi_0
37. jupyter-core=4.6.3=pypi_0
38. kiwisolver=1.0.1=pypi_0
39. libpng=1.6.37=h2a8f88b_0
40. libtiff=4.2.0=hd0e1b90_0
41. libuv=1.40.0=he774522_0
42. libwebp=1.2.0=h2bbff1b_0
43. lz4-c=1.9.3=h2bbff1b_1
44. markupsafe=1.1.1=pypi_0
45. matplotlib=2.2.2=pypi_0
46. mistune=0.8.4=pypi_0
47. mkl=2021.4.0=haa95532_640
48. mkl-service=2.4.0=py37h2bbff1b_0
49. mkl_fft=1.3.1=py37h277e83a_0
50. mkl_random=1.2.2=py37hf11a4ad_0
51. nbconvert=5.6.1=pypi_0
52. nbformat=5.0.6=pypi_0
53. networkx=2.1=pypi_0
54. ninja=1.10.2=py37h559b2a2_3
55. notebook=6.0.3=pypi_0
56. numpy=1.15.0=pypi_0
57. olefile=0.46=py37_0
58. opencv-python=4.2.0.34=pypi_0
59. openssl=1.1.1l=h2bbff1b_0
60. packaging=20.4=pypi_0
61. pandas=0.23.4=pypi_0
62. pandocfilters=1.4.2=pypi_0
63. parso=0.7.0=pypi_0
64. pickleshare=0.7.5=pypi_0
65. pillow=5.2.0=pypi_0
66. pip=21.2.4=py37haa95532_0
67. prometheus-client=0.7.1=pypi_0
68. prompt-toolkit=3.0.5=pypi_0
69. pycparser=2.18=pypi_0
70. pygit=0.1=pypi_0
71. pygments=2.6.1=pypi_0
72. pyparsing=2.2.0=pypi_0
73. pyrsistent=0.16.0=pypi_0
74. python=3.7.11=h6244533_0
75. python-dateutil=2.7.3=pypi_0
76. pytorch=1.0.1=py3.7_cuda80_cudnn7_1
77. pytorch-mutex=1.0=cpu
78. pytz=2018.5=pypi_0
79. pywavelets=0.5.2=pypi_0
80. pywin32=227=pypi_0
81. pywinpty=0.5.7=pypi_0
82. pyyaml=5.1=pypi_0
83. pyzmq=19.0.1=pypi_0
84. scikit-image=0.14.0=pypi_0
85. scikit-learn=0.19.2=pypi_0
86. scipy=1.1.0=pypi_0
87. send2trash=1.5.0=pypi_0
88. setuptools=58.0.4=py37haa95532_0
89. six=1.11.0=pypi_0
90. sqlite=3.36.0=h2bbff1b_0
91. terminado=0.8.3=pypi_0
92. testpath=0.4.4=pypi_0
93. tk=8.6.11=h2bbff1b_0
94. toolz=0.9.0=pypi_0
95. torchvision=0.2.2=py_3
96. tornado=6.0.4=pypi_0
97. tqdm=4.24.0=pypi_0
98. traitlets=4.3.3=pypi_0
99. typing_extensions=3.10.0.2=pyh06a4308_0
100. vc=14.2=h21ff451_1
101. vs2015_runtime=14.27.29016=h5e58377_2
102. wcwidth=0.1.9=pypi_0
103. webencodings=0.5.1=pypi_0
104. wheel=0.37.0=pyhd3eb1b0_1
105. wincertstore=0.2=py37haa95532_2
106. xz=5.2.5=h62dcd97_0
107. zipp=3.1.0=pypi_0
108. zlib=1.2.11=h62dcd97_4
109. zstd=1.4.9=h19a0ad4_0
110.


相关文章
|
机器学习/深度学习 人工智能 自然语言处理
AI赋能教育评价改革:生成式人工智能(GAI)认证的角色与影响
本文探讨了人工智能(AI)技术在教育评价改革中的作用及生成式人工智能(GAI)认证的影响。随着数字化时代的到来,AI为教育评价提供了新工具与手段,能够优化评价过程、提升质量并促进个性化发展。GAI认证不仅提升了教育工作者的技能与竞争力,还推动了教育评价的标准化与规范化。文章强调需加强AI技术应用研究、推广GAI认证,并注重评价的个性化与差异化,以助力学生全面发展。AI赋能教育评价改革是未来趋势,将为教育事业注入更多智慧与力量。
|
人工智能 自然语言处理 vr&ar
当人类关系重构:从“相互需要”到“鹅卵石化”——生成式人工智能(GAI)认证的角色与影响
在数字化浪潮下,人类关系从“相互需要”逐渐转变为“鹅卵石化”的复杂结构。生成式人工智能(GAI)作为新兴技术,正深刻影响这一变革。GAI认证的推出,不仅填补了技能评估空白,还通过促进知识共享、增强信任与合作、推动创新发展,助力人类关系的重构。未来,随着GAI技术发展和认证体系完善,人类社交网络将更紧密高效,持续推动社会进步。
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
761 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
1517 55
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
789 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法及应用
探索人工智能中的强化学习:原理、算法及应用
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
676 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
1024 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
9月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
406 8