您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. ICDAR2013数据集 下载

  2. ICDAR数据集,完整下载 包括end-to-end/text localization/text segmentation/word recognition
  3. 所属分类:机器学习

    • 发布日期:2017-08-11
    • 文件大小:50byte
    • 提供者:qq_26844701
  1. ICDAR2015数据集

  2. ICDAR 2015 (1000 training images + 500 testing images)
  3. 所属分类:深度学习

    • 发布日期:2018-09-04
    • 文件大小:129mb
    • 提供者:moonshapedpool
  1. ICDAR2017数据集说明

  2. ICDAR2017数据集说明,包括数据集分类,相关数据的说明,标注格式等。
  3. 所属分类:深度学习

    • 发布日期:2018-09-26
    • 文件大小:18kb
    • 提供者:linolzhang
  1. ICDAR预测结果评估指标检测工具

  2. ICDAR预测结果评估指标检测工具,用于ICDAR2013场景文字预测结果评估,将预测结果打包放进文件夹里面,详情参考readme.txt,也可以改成自己的数据标签。
  3. 所属分类:深度学习

    • 发布日期:2018-10-31
    • 文件大小:33kb
    • 提供者:boris_lb
  1. 白翔 ICDAR2017 OCR 讲座分享

  2. 白翔 ICDAR2017 讲座分享,主要讲OCR检测与识别,值得一看。
  3. 所属分类:深度学习

    • 发布日期:2018-11-14
    • 文件大小:25mb
    • 提供者:viglyh
  1. ICADR2017 Andreas Dengel 教授讲座分享

  2. document analysis research questions/options and the hidden patterns of our community
  3. 所属分类:深度学习

    • 发布日期:2018-11-14
    • 文件大小:14mb
    • 提供者:viglyh
  1. R2CNN: Rotational Region CNN for Orientation Robust Scene Text Detection

  2. In this paper, we propose a novel method called Rotational Region CNN (R2CNN) for detecting arbitrary-oriented texts in natural scene images. The framework is based on Faster R-CNN [1] architecture. First, we use the Region Proposal Network (RPN) to
  3. 所属分类:深度学习

    • 发布日期:2018-09-10
    • 文件大小:642kb
    • 提供者:journeyend
  1. ICDAR 2015 dataset

  2. ICDAR 2015数据集是ICDAR于2015年举办的场景文本检测竞赛中使用的官方数据集,包含了1000张训练图和500张测试图。
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:129mb
    • 提供者:liaokou0551
  1. ICDAR 2013 dataset

  2. ICDAR 2013数据集是文档分析与识别国际会议于2013年举办的场景文本检测竞赛中使用的标准数据集。该数据集是ICDAR 2011数据集的改进版本,修正了其中的部分错误,包含229张训练图与233张测试图。文件太大不能上传,只有分开传了。。
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:141mb
    • 提供者:liaokou0551
  1. ICDAR 2013 dataset--Test

  2. ICDAR 2013数据集是文档分析与识别国际会议于2013年举办的场景文本检测竞赛中使用的标准数据集。该数据集是ICDAR 2011数据集的改进版本,修正了其中的部分错误,包含229张训练图与233张测试图。文件太大不能上传,只有分开传了。。
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:109mb
    • 提供者:liaokou0551
  1. ICDAR 2013 dataset for test

  2. ICDAR 2013数据集是文档分析与识别国际会议于2013年举办的场景文本检测竞赛中使用的标准数据集。该数据集是ICDAR 2011数据集的改进版本,修正了其中的部分错误,包含229张训练图与233张测试图。文件太大不能上传,只有分开传了。。也没法该下载积分
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:109mb
    • 提供者:xinyu_cheng
  1. ICDAR 2013 dataset for train

  2. ICDAR 2013数据集是文档分析与识别国际会议于2013年举办的场景文本检测竞赛中使用的标准数据集。该数据集是ICDAR 2011数据集的改进版本,修正了其中的部分错误,包含229张训练图与233张测试图。文件太大不能上传,只有分开传了。。
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:141mb
    • 提供者:xinyu_cheng
  1. ICDAR 2015 dataset

  2. ICDAR 2015数据集是ICDAR于2015年举办的场景文本检测竞赛中使用的官方数据集,包含了1000张训练图和500张测试图。
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:129mb
    • 提供者:xinyu_cheng
  1. ICDAR 2015.zip

  2. ICDAR 2015完整数据库,包括训练数据集和测试数据集。官网可以免费下载,但需要注册,下载速度很慢,这里上传,方便大家快速下载。
  3. 所属分类:其它

    • 发布日期:2019-09-11
    • 文件大小:129mb
    • 提供者:qq_42591424
  1. PMTD_ICDAR2015.pth

  2. PMTD2015-ICDAR训练权重,用于PMTD官方代码测试使用
  3. 所属分类:深度学习

    • 发布日期:2020-05-12
    • 文件大小:169mb
    • 提供者:ForloveZED
  1. ICDAR 2015.zip

  2. ICDAR 2015完整文本定位数据库,包括训练数据集ch4_test_images和测试数据集ch4_training_images,以及对应训练集标签ch4_training_localization_transcr iption_gt和测试标签Challenge4_Test_Task1_GT.zip。
  3. 所属分类:其它

    • 发布日期:2020-03-28
    • 文件大小:129mb
    • 提供者:Allen101zhang
  1. ICDAR 2015.zip

  2. icdar2015 自然场景数据集,包括测试集的ground truth。该数据集可用于pixellink,textsnake,psenet的训练和测试使用,是ocr研究开发者的必备数据集。
  3. 所属分类:深度学习

    • 发布日期:2020-03-25
    • 文件大小:129mb
    • 提供者:chonglai5788
  1. ICDAR2015数据集

  2. ICDAR 2015 数据集,包含测试集 ,训练集, 测试GT, 训练GT 欢迎下载 ICDAR 2015 数据集,包含测试集 ,训练集, 测试GT, 训练GT ICDAR 2015 数据集,包含测试集 ,训练集, 测试GT, 训练GT
  3. 所属分类:数据库

    • 发布日期:2020-03-20
    • 文件大小:129mb
    • 提供者:CAICHAO1234
  1. ICDAR2015 ocr 场景文本识别lmdb格式数据集

  2. Imdb格式的ICDAR2015数据集 相关的制作、使用代码可见博客 https://blog.csdn.net/zhaominyiz/article/details/104834770
  3. 所属分类:深度学习

    • 发布日期:2020-03-13
    • 文件大小:19mb
    • 提供者:zhaominyiz
  1. CVPR2019-ocr.zip

  2. Online handwritten Chinese text recognition (OHCTR) is a challenging problem as it involves a large-scale character set, ambiguous segmentation, and variable-length input sequences. In this paper, we exploit the outstanding capability of path signatu
  3. 所属分类:深度学习

    • 发布日期:2020-05-28
    • 文件大小:332mb
    • 提供者:qingfenglu
« 12 »