PS: 点击项目名称可以跳转到相应的repository
在CPU上实时运行的基于深度学习的虹膜检测, 在intel i5 CPU上的运行时间为8ms。
Trainning a face detector by transfer learning based on keras-retinanet.
基于adaboost + lbp的虹膜检测。
使用python layer自定义数据增强层，对于准确率的提升有一定的效果。
使用keras实现transfer learning，使用了cifar10数据库和vgg16模型。
虹膜图像清晰度评估
根据论文《A Morphological Approach to Curvature-Based Evolution of Curves and Surfaces》实现了MorphGAC
用python和c++实现了原始的LBP、圆形LBP、旋转不变的圆形LBP、等价模式的圆形LBP、旋转不变的等价模式的圆形LBP。python版本LBP用于模型训练，c++版本LBP用于模型部署。
svm_classification是一个通用的svm模型训练框架，稍加修改即可变成一个通用的机器学习模型训练框架。方便快速训练机器学习模型，可重复使用，避免重复写代码。