您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于web的验证码识别

  2. 这是一篇比较容易懂的论文,详细的剖析了验证码识别的问题。尤其是对于图像去噪的那一部分,讲解的很详细。有兴趣的可以看一看
  3. 所属分类:网络基础

    • 发布日期:2010-07-25
    • 文件大小:4mb
    • 提供者:jingshenzhihuo
  1. VC++数字图像模式识别技术及工程实践

  2. 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
  3. 所属分类:C++

    • 发布日期:2013-05-16
    • 文件大小:14mb
    • 提供者:a121649982
  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 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
  3. 所属分类:C++

    • 发布日期:2013-05-17
    • 文件大小:14mb
    • 提供者:a121649982
  1. 基于卷积神经网络的视频分类检索

  2. 随着深度学习在图像识别领域的巨大成功,深度学习被应用到越来越多的领 域,包括视频处理领域,文本处理领域以及音频处理领域。卷积神经网络是深度学习中非常重要的一类网络模型,它和传统神经网络的区别在于引入了卷积层、池化层。卷积神经网络在图像识别领域取得成功之后,研究人员开始逐步将其应用于视频分类任务中,并取得了分类效果上的提高,这充分说明了卷积神经网络在视频分类任务中起到的重要作用。 本文的研究内容在于实现一个通用且有效的分类检索模型。在图像研究领域 有研究人员提出在卷积神经网络中引入哈希层来得到图
  3. 所属分类:讲义

    • 发布日期:2018-05-24
    • 文件大小:6mb
    • 提供者:baidu_39286007
  1. 一种通用的基于图像分割的验证码识别方法

  2. 针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法
  3. 所属分类:其它

  1. 使用C#的aforge类库识别验证码实例

  2. 主要介绍了使用C#的aforge类库识别验证码实例,aforge类库是一个非常强大的类库,包括计算机视觉与人工智能、图像处理、神经网络、遗传算法、机器学习、机器人等领域,需要的朋友可以参考下
  3. 所属分类:其它

    • 发布日期:2020-09-04
    • 文件大小:254kb
    • 提供者:weixin_38516386
  1. 一种通用的基于图像分割的验证码识别方法

  2. 针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统 Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的 Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性 的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出
  3. 所属分类:其它