github上的算法项目（github 项目）

开源项目推荐:运动控制速度前瞻算法(Look-Ahead),连续小线段高速插补...

1、grbl：一款高性能的开源 、嵌入式g代码解析器和CNC铣削控制器，适用于直接在Arduino上运行 。官网地址：https：//github.com/grbl/grbl Marlin：基于Arduino平台的3D打印机优化固件 ，代码采用C语言编写
，易于阅读，核心算法包括圆弧插补
、速度前瞻、转角速度圆滑 、梯形速度规划、Bresenham多轴插补等
。

1行代码生成随机迷宫,这个概率编程语言登GitHub热榜,作者曾开发著名WFC...

1
、利用1行代码即可生成随机迷宫的概率编程语言是MarkovJunior ，它基于马尔科夫算法原理。以下是关于MarkovJunior的详细解核心原理：MarkovJunior利用马尔科夫算法，通过一系列特定规则在生成迷宫模型的过程中实现随机性 。马尔科夫链的“无记忆 ”性质使得生成过程更加随机
，不受前一个事件的影响。

2、基于这种原理，MarkovJunior可以轻松生成2D 、3D迷宫 ，地形图
，甚至复杂的3D建筑和电路图
。作者Maxim Gumin是一名独立游戏开发者，曾开发出著名WFC算法并应用于游戏 ，该项目同样广受好评。Maxim Gumin致力于将数学算法应用于程序生成领域
，创造出多样的模型，其算法可能已应用于你所玩过的游戏中 。

3
、NetBeans 1版本与其他开发工具相比 ，最大区别在于不仅能够开发各种台式机上的应用
，而且可以用来开发网络服务方面的应用，可以开发基于J2ME的移动设备上的应用等
。在NetBeans 1基础上 ，Sun开发出了Java One Studio5
，为用户提供了一个更加先进的企业编程环境。

人脸识别原理(以GitHub项目face_recognition为例)

1、首先，需要在图像或者视频帧中找到所有人脸的位置 ，并将人脸部分的图像切割出来 。可以使用方向梯度直方图（HOG）来检测人脸位置
。先将图片灰度化，接着计算图像中各像素的梯度。通过将图像变换为HOG形式
，就可以提取图像的特征，从而获取人脸位置 。然后 ，需要将人脸对齐成同一种标准的形状
。

2 、face_recognition 是一款基于 Python 的免费
、开源、实时 、离线的人脸识别库
，其简洁性在同类库中首屈一指。它基于业内领先的 C++ 开源库 dlib 中的深度学习模型，并通过在 Labeled Faces in the Wild 人脸数据集上进行测试 ，达到了高达 938% 的准确率 。

3
、openface是基于Python和Torch的神经网络人脸识别工具包
，其理论源于facenet
。它提供了三个预训练模型，由FaceScrub和CASIA-WebFace两大公开人脸识别数据集训练而成。模型在openface中提供了接口 。对于openface的安装 ，推荐使用Windows+Docker的方式。首先
，通过Docker安装Windows环境，可以参照runoob.com网站的教程
。

4、Tufts人脸数据库 Tufts数据库拥有超过10 ，000张图像
，涵盖7种模式，包括可见光 、近红外等 ，适合测试草图
、热像、3D等人脸识别算法。 真假人脸检测 该数据集包含合成的面部图像，用于区分真实与虚假
，大小为215MB，适合鉴别图像真伪 。

5 、从OpenCV4开始 ，加入了新的类FaceRecognizer
，我们可以使用它便捷地进行人脸识别实验
。本文既介绍代码使用，又介绍算法原理。

Github上10个开源好用的人脸识别数据集

1、Flickr-Faces-HQ （FFHQ）FFHQ是一个高分辨率的图像数据集 ，包含70
，000张1024×1024像素的PNG人脸图片，涵盖年龄
、种族、背景及配饰的广泛变化 ，主要用于生成对抗网络研究 。

2 、openface是基于Python和Torch的神经网络人脸识别工具包
，其理论源于facenet
。它提供了三个预训练模型，由FaceScrub和CASIA-WebFace两大公开人脸识别数据集训练而成。模型在openface中提供了接口 。对于openface的安装 ，推荐使用Windows+Docker的方式
。首先
，通过Docker安装Windows环境，可以参照runoob.com网站的教程。

3
、简介：FaceNet系统直接学习从人脸图像到紧凑欧几里得空间的映射 ，实现每张脸仅使用128字节的最先进人脸识别性能 。