点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 基于深度学习的文字识别
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
VC++数字图像模式识别技术及工程实践
目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主
所属分类:
C++
发布日期:2013-05-16
文件大小:14mb
提供者:
a121649982
Visual C++数字图像模式识别技术及工程实践工程源代码
第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤
所属分类:
C++
发布日期:2013-05-17
文件大小:14mb
提供者:
a121649982
python腾讯文字识别 OCR脚本
文字识别(Optical Character Recognition,OCR ),基于腾讯优图实验室世界领先的深度学习技术,将图片上的文字内容,智能识别成为可编辑的文本。
所属分类:
Python
发布日期:2018-10-26
文件大小:2kb
提供者:
qq_34105049
image-java-sdk-v2.0-master.rar
云智明视文字识别(OCR,Optical Character Recognition),基于腾讯自研的深度学习技术和海量的数据,提供卡证、票据类印刷体 和手写体、自定义模板等多种场景和类型的文字识别服务,可大大提高信息录入效率、降低用户使用成本。
所属分类:
Java
发布日期:2019-06-19
文件大小:11mb
提供者:
u012279452
Python-CPSOCREngine基于深度学习的文字识别系统
CPS-OCR-Engine:基于深度学习的文字识别系统
所属分类:
其它
发布日期:2019-08-11
文件大小:76mb
提供者:
weixin_39841856
基于深度学习的文字识别技术现状及发展趋势.pdf
为线上查找到的金莲文老师演讲ppt资源;主要讲述了深度学习下文字的识别现状,应用场景、发展趋势。主要讲述了深度学习下文字的识别现状,应用场景、发展趋势。主要讲述了深度学习下文字的识别现状,应用场景、发展趋势。主要讲述了深度学习下文字的识别现状,应用场景、发展趋势。
所属分类:
机器学习
发布日期:2020-05-28
文件大小:116mb
提供者:
qingfenglu
基于深度学习的智能路牌识别系统设计
提出了一种基于机器视觉和深度学习的智能路牌识别系统。采用嵌入式的ARM9作为前端采集系统,在服务器上采用图像处理算法先对前端采集的路牌图像进行文字区域的提取和分割,然后用训练好的卷积神经网络对分割的文字进行识别,最后将识别信息以语音的形式反馈给使用者。使用前端硬件在高速公路上采集路牌图像并在服务器的CAFFE框架上进行测试,结果表明该系统能实时准确地将路牌信息以语音的方式播报给使用者。
所属分类:
其它
发布日期:2020-10-16
文件大小:511kb
提供者:
weixin_38728360
有没有简单一点的 Python 小例子或小项目?
分享一波Github上适合新手入门、又十分有趣的Python项目~ 1. 人脸识别 star:30.5k 最简洁的人脸识别库。可以使用Python和命令行工具提取、识别、操作人脸。其人脸识别是基于业内领先的C++开源库dlib中的深度学习模型,用Labeled Faces in the Wild人脸数据集进行测试,准确率高达99.38%。 而且有中文版README哟~ 2. faceai star:5.5k 入门级的人脸、视频、文字检测以及识别的项目。功能包含人脸监测、轮廓识别、头像合成、性别
所属分类:
其它
发布日期:2020-12-23
文件大小:397kb
提供者:
weixin_38625184
text_recognition_toolbox:text_recognition_toolbox-源码
文字识别工具箱 1.项目介绍 该项目是基于pytorch深度学习框架,以统一的改写方式实现了以下6篇经典的文字识别论文,论文的清单如下。该项目会持续进行更新,欢迎大家提出问题以及对代码进行贡献。 模型 文章标题 发表年份 模型方法划分 神经网络 《基于端到端的可训练神经网络基于图像的序列识别及其在场景文本识别中的应用》 2017年 CNN + BiLSTM + CTC 神经网络 《 OCR门控递归卷积神经网络》 2017年 门控循环抽提层+ BiSTM + CTC 扇子 《关注:在自然图像
所属分类:
其它
发布日期:2021-03-19
文件大小:1mb
提供者:
weixin_42162171
ML-Text-Mining:与机器学习在线竞赛有关的项目-源码
文字分析 该存储库包含文本分析机器学习内容。 用例 下一个单词的预测 情绪分析-分析社交媒体影响者 分类 主题建模-识别文本的主题类别 语言翻译 可视化 预处理 案例标准化 标记化-字符,单词,n-gram,句子 删除停用词 茎和茎 词嵌入5.1)跳过语法5.2)CBOW 5.3)GloVE 5.4)FastText 位置编码 传统方法 言语包 TF IDF 基于机器学习-朴素贝叶斯,逻辑回归 深度学习模型 RNN 格鲁 LSTM 双向LSTM 注意力 变压器5.1)Bert 5.2)
所属分类:
其它
发布日期:2021-03-16
文件大小:2mb
提供者:
weixin_42116650
DeepLearningProjects-源码
深度学习项目 该存储库演示了一些深度学习项目。 项目清单 序列号 项目 重点介绍 1个 股票价格预测 LSTM 2个 文字摘要器 编码器,解码器和注意力模型 2个 数字识别器 卷积神经网络 项目详情和结果 1.使用LSTM预测股价 基于LSTM神经网络的深度学习模型,可使用AAPL股票数据集预测股票价格。 通过堆叠3个lstm层和一个连接的密集层来获得回归输出,从而构成了体系结构。 已使用Adam优化器,它是adagrad优化器的升级版本,用于防止高alpha值,这可能会导致非常低的学习率。
所属分类:
其它
发布日期:2021-03-07
文件大小:259kb
提供者:
weixin_42161497
多模式情感识别:用于文本,声音和视频输入的实时多模式情感识别Web应用-源码
实时多模式情绪识别 不要犹豫 :white_medium_star: 如果您喜欢我们的工作,请回购! 简而言之 我们与法国职业介绍所合作开发了一种多模式情感识别平台,用于分析求职者的情感。 我们主要使用基于深度学习的方法来分析面部,声音和文字情感。 我们使用Flask部署了一个Web应用程序: 通过安装需求并启动main.py ,可以从WebApp存储库访问该工具。 我们还写了一篇关于我们工作的论文: : 表中的内容 : 在这个项目中,我们正在探索多模式情感分析中的最新模型。 我
所属分类:
其它
发布日期:2021-02-06
文件大小:815mb
提供者:
weixin_42133969
深度卷积神经网络LeNet-5和ResNet的对比以及应用分析
针对深度学习中ResNet深度卷积神经网络与LeNet-5模型在图像识别、文字识别和语音识别等领域广泛应用,文中对两种模型的运行机理和方式进行了详细阐述,并对两者在实际应用中的表现进行了对比与分析。首先对两种模型的结构和设计分别进行了叙述,并指出了两种模型面对不同问题的优缺点,且为工程实践提供了指导。然后基于分析进一步对两种模型进行了重建和训练,以实现更优的性能。仿真结果表明,ResNet深度卷积神经网络相比LeNet-5模型在实际应用中具有更好的效果。
所属分类:
其它
发布日期:2021-01-12
文件大小:1mb
提供者:
weixin_38594687