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]！  

搜索资源列表

  1. 用于测试神经网络的1324张验证码集合

  2. 用于利用卷积神经网络做验证码识别的1324余张验证码的测试集。

  3. 所属分类：深度学习

    • 发布日期：2018-01-06
    • 文件大小：4mb
    • 提供者：huplion

  1. 验证码识别（训练集，测试集）

  2. 验证码识别的训练集和测试集，已打好标签，可以直接用于训练

  3. 所属分类：深度学习

    • 发布日期：2018-04-11
    • 文件大小：9mb
    • 提供者：qq_18572807

  1. 正方教务系统验证码数据集

  2. 文件中包含一份正方教务系统验证码的训练数据集和一份测试数据集，都是已经去噪、二值化并且切割好了的图片，训练集包括1000张，测试集300张左右，可用于机器学习的训练与测试。

  3. 所属分类：机器学习

    • 发布日期：2018-01-24
    • 文件大小：437kb
    • 提供者：qq_33534383

  1. tensorflow实现正方教务系统验证码识别

  2. 使用tensorflow实现了一个单隐层的全连接神经网络，文件中包括了已经分好类的训练数据集和测试数据集，验证码图片的获取、去噪、二值化、分割等以及神经网络识别验证码的实现等代码，注释很详细，识别正确率在97%左右。python版本为python3,用到了tensorflow、numpy、opencv等库。

  3. 所属分类：深度学习

    • 发布日期：2018-01-24
    • 文件大小：1mb
    • 提供者：qq_33534383

  1. 中国执行信息公开网验证码训练集18000个.zip

  2. 提供中国执行信息公开网验证码训练集，标注100%正确，用于机器学习训练。经测试机器学习训练后正确率可以达到98%。 用于图片识别学习使用。

  3. 所属分类：其它

    • 发布日期：2019-09-30
    • 文件大小：130mb
    • 提供者：dxy1239310216

  1. 验证码picture.rar

  2. 已标注好，完成灰度&二值化的适用于机器学习、深度学习训练模型的验证码图片！ 文件名就是验证码内容，已经分好训练集&测试集，也可以自己再重新分。

  3. 所属分类：深度学习

    • 发布日期：2020-04-08
    • 文件大小：8mb
    • 提供者：cumtaweio

  1. 12306验证码（已标注）

  2. 本资源内含12306验证码，已经标注好，内部已经分成训练集，测试集和验证集，可以直接用于深度学习，适合用于卷积神经网络的学习

  3. 所属分类：深度学习

    • 发布日期：2020-04-03
    • 文件大小：91mb
    • 提供者：s863222424

  1. 人工智能图片验证码训练集和测试集各5000张（训练集带label.csv）.zip

  2. 人工智能图片验证码识别需要数据集进行训练，这里提供图片大小为120*40，训练集和测试集各5000张（训练集带label.csv）未打标，希望对您有帮助

  3. 所属分类：机器学习

    • 发布日期：2020-02-10
    • 文件大小：26mb
    • 提供者：qq_43233699

  1. Captcha验证码训练集20000张和测试集10000张

  2. 训练集带label.csv，在train文件夹中。 图片尺寸为105*35，使用时可调为120*40，可用于人工智能图片验证码识别需要数据集进行训练。

  3. 所属分类：深度学习

    • 发布日期：2020-05-23
    • 文件大小：40mb
    • 提供者：weixin_44715583

  1. CNN卷积与验证码数据.zip

  2. python 深度学习 卷积神经网络与验证码相结合。此数据集为训练集与测试集 各1000张标签。分辨率跟图片样式已经修改好。

  3. 所属分类：深度学习

    • 发布日期：2020-08-26
    • 文件大小：78mb
    • 提供者：duyibo123

  1. 验证码数据集 20000数据集10000测试集合

  2. 验证码数据集 20000数据集10000测试集合，用于训练验证码识别，仅限于研究学习 训练集带label.csv，在train文件夹中。 图片尺寸为105*35，使用时可调为120*40，可用于人工智能图片验证码识别需要数据集进行训练。

  3. 所属分类：深度学习

    • 发布日期：2020-11-30
    • 文件大小：52mb
    • 提供者：l1y0l20

  1. Tensorflow简单验证码识别应用

  2. 简单的Tensorflow验证码识别应用，供大家参考，具体内容如下 1.Tensorflow的安装方式简单,在此就不赘述了. 2.训练集训练集以及测试及如下(纯手工打造,所以数量不多): 3.实现代码部分(参考了网上的一些实现来完成的) main.py(主要的神经网络代码) from gen_check_code import gen_captcha_text_and_image_new,gen_captcha_text_and_image from gen_check_code impo

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：153kb
    • 提供者：weixin_38653664

  1. monoResMatch-Tensorflow:单眼残差匹配（monoResMatch）网络的Tensorflow实现-源码

  2. monoResMatch-Tensorflow 学习融合传统立体知识的单眼深度估计 ， ， 和 CVPR 2019 建筑学 单眼残差匹配（monoResMatch）网络的Tensorflow实现。 要求 该代码已在Tensorflow 1.8，CUDA 9.0和Ubuntu 16.04上进行了测试。 训练 城市风光 CityScapes数据集包含在不同天气情况下从行驶中的车辆中获取的有关德国约50个城市的立体声对。 它包括22,973对立体声，分为火车，验证和测试集。 您可以在./util

  3. 所属分类：其它

  1. ts:论文代码库-源码

  2. Rec-Sys算法的Python实现 数据集是中的Epinions和Ciao数据集的副本。 火车模型 在下面运行脚本，参数是默认的，您可以在main.py上更改以设置探索模型的模型： python main.py --model= 结果 我们使用60/20/20进行培训，验证，测试集 PMF 学习率 k_dim RMSE MAE 0.001 16 1.05318 0.81547 0.005 16 1.05399 0.81527 0.01 16 1.05903 0.

  3. 所属分类：其它

  1. multimodal-dataset:用于生成多模式CAFA基准测试集的代码和最少数据-源码

  2. 多峰数据集 代码，用于生成多模式基准测试集的最少数据。 1.选择样本进行培训，测试，验证 阈值序列同一性，以避免基于同源性的过度拟合。 为此，从获得.fasta格式的一组带注释的序列，并将其聚类（使用cdhit ），直到某个序列同一性阈值（例如40％）。 聚类后​​，由每个聚类中的质心组成的蛋白质集即为完整数据集。 这些蛋白质在.fasta的输出.fasta文件中cdhit 。 将该数据集适当地划分为训练集，验证集和保持集。 请记住，如果保持集是预先确定的，则必须删除其聚类中包含测试集成员的

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：28mb
    • 提供者：weixin_42121272

  1. LRS3-For-Speech-Separation:LRS3数据集上的多模式语音分离任务数据生成脚本-源码

  2. 生成数据的指令 以下是生成训练和测试数据的步骤。 有几个参数可以更改以匹配不同的目的。 我们将尽快在LRS3数据集上发布语音分离基准。 我们的脚本存储库是为了使多模式语音分离任务在数据集生成方面具有统一的标准。 这样我们就可以跟进多模式语音分离任务。 我们希望LRS3数据集将为诸如WSJ0数据集之类的纯语音分离任务制定统一的生成标准。 :check_box_with_check: 我们的基准模型即将推出！ 信噪比 信噪比 基准线 15.08 15.34 要求 ffmpeg 4.2.

  3. 所属分类：其它

  1. WSDM-Adhoc-Document-Retrieval:这是我们针对WSDM的解决方案-DiggSci2020。我们实施了一个简单而强大的搜索管道，该管道在验证集中排名第二，在测试集中排名第四。 我们在创新赛道上获得了金奖，在数据集赛道

  2. WSDM-临时文档检索 这是我们针对解决方案。 我们实现了一个简单而强大的搜索管道，该管道在验证集中排名第二，在测试集中排名第四。 我们在创新领域获得了金奖，在数据集领域获得了铜奖。 [] [ ] [] 相关项目： 特征 具有零特征工程的端到端系统。 根据自行设计的基于显着性的规则对数据集执行数据清理，并删除了对结果影响不显着的冗余数据，并将MAP 3提高了3％。 根据置信度得分设计了一种新颖的提前停止策略来重新排序，从而避免了多达40％的BERT不必要的推理计算成本。 在train_

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：30kb
    • 提供者：weixin_42168341

  1. Semantic-Segmentation-源码

  2. 使用完全卷积网络的语义分割 这是我作为CSE 251B（神经网络）小组项目（与Li Lingxi，Li Yejun Li，Zengwen Wen和Zhang Yunyi）一起完成的工作。 与合作伙伴的讨论使我受益匪浅，但是这里的所有代码都是由讲师给出或由我编写的。 具体来说，我创建了模型（basic_fcn.py），并编写了用于训练模型并在验证和测试集（starter.py和util.py）上对其进行评估的代码，而讲师则为我们提供了用于加载数据的所有代码。 这个项目有一个基本的全卷积神经网络，

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：58mb
    • 提供者：weixin_42137539

  1. ODMD:通过运动和检测数据集的对象深度-源码

  2. ODMD数据集 ODMD是学习öbject d EPTH通过兼并otion和d etection所述第一数据集。 ODMD训练数据是可配置和可扩展的，每个训练示例均由一系列对象检测边界框，相机移动距离和地面真实对象深度组成。 作为基准评估，我们提供了四个ODMD验证和测试集，其中包含多个域中的21,600个示例，并且还转换了15,650个示例进行检测。 在我们的论文中，我们使用具有对象检测或分割功能的单个ODMD训练网络，以现有的驾驶和机器人技术基准获得最先进的结果，并通过可拍照手机估计对象深度

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：17mb
    • 提供者：weixin_42129412

  1. K折交叉验证：传统的求准确度的方法是将整个数据分为训练集和测试集，并根据测试数据计算出准确度，但这并不是最佳方法，因此我们采用K折交叉验证是许多精度的平均值，并且它还提供了精度的标准偏差，这是评估模型的良好指标-源码

  2. K折交叉验证：传统的求准确度的方法是将整个数据分为训练集和测试集，并根据测试数据计算出准确度，但这并不是最佳方法，因此我们采用K折交叉验证是许多精度的平均值，并且它还提供了精度的标准偏差，这是评估模型的良好指标

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 20 »