本项目是一个基于Tkinter和OpenCV的目标检测应用程序，实现了摄像头和视频文件的实时目标检测。通过YOLOv8模型进行目标检测，支持定位、分割和姿势三种模型类型，以及不同模型大小。
一个基于Django框架实现的图像相似性搜索网页应用。用户可以通过上传图片到网站，然后该项目会基于预训练的 VGG16 模型提取图像特征，并利用已有图库中的图像特征与上传图片的特征进行比较，计算相似度并呈现给用户。
本项目基于HED (Holistically-Nested Edge Detection) 模型和Canny边缘检测算法，通过比较输入图像的灰度图像与HED边缘检测结果之间的均方误差（MSE），自动选择最佳的Canny边缘检测阈值参数。项目使用Python和OpenCV实现。
功能 1. 预处理图像并生成训练和测试数据集。 2. 使用LazyClassifier评估多个分类模型，选择F1分数最高的模型并保存。 3. 创建一个简单的图形用户界面，用户可以选择图像，程序会显示预测的书法字体风格。
这个项目提供了一种使用傅里叶变换对混合波形进行去噪的方法,生成混合波形,计算傅里叶系数, 计算振幅谱,对振幅谱进行去噪, 对傅里叶系数进行去噪,通过逆傅里叶变换还原去噪后的信号,绘制原始波形、去噪后的波形、原始振幅谱以及去噪后的振幅谱
这个项目提供了一种使用傅里叶变换对混合波形进行去噪的方法，生成混合波形，计算傅里叶系数，计算振幅谱，对振幅谱进行去噪，对傅里叶系数进行去噪，通过逆傅里叶变换还原去噪后的信号，绘制原始波形、去噪后的波形、原始振幅谱以及去噪后的振幅谱。
本项目是一个使用傅里叶变换对信号进行去噪的Python脚本。通过生成一个由不同正弦波和余弦波组成的混合信号，并对该信号进行傅里叶变换分析。脚本利用振幅谱对信号进行去噪处理，包括去除低振幅噪声和高频噪声，并展示原始振幅谱和去噪后的振幅谱进行对比。
