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. 计算机视觉视频教程百度云盘资源

  2. ├─1.计算机视觉简介、环境准备(python, ipython) │ computer vsion.pdf │ CS231 introduction.pdf │ ├─2.图像分类问题简介、kNN分类器、线性分类器、模型选择 │ 2. 图像分类简介、kNN与线性分类器、模型选择.mp4 │ 2.初识图像分类.pdf │ ├─3.再谈线性分类器 │ 3.再谈线性分类器.mp4 │ 再谈线性分类器.pdf │ ├─4.反向传播 算法和神经网络简介 │ .反向传播算法和神经网络简介.pdf │ 4.

  3. 所属分类：深度学习

    • 发布日期：2017-10-18
    • 文件大小：49byte
    • 提供者：qq_16390379

  1. keras示例程序

  2. addition_rnn.py 执行序列学习以执行两个数字（作为字符串）的添加。 antirectifier.py 演示如何为Keras编写自定义图层。 babi_memnn.py 在bAbI数据集上训练一个内存网络以进行阅读理解。 babi_rnn.py 在bAbI数据集上训练一个双支循环网络，以便阅读理解。 cifar10_cnn.py 在CIFAR10小图像数据集上训练一个简单的深CNN。 conv_filter_visualization.py 通过输入空间中的渐变上升可视化 VGG1

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：10mb
    • 提供者：manoerina0411

  1. 深度学习卷积神经网络mnist算法代码-keras

  2. 《机器学习从入门到入职》深度学习的卷积神经网络算法代码框架用的是keras，数据集选用mnist手写字体识别

  3. 所属分类：深度学习

    • 发布日期：2020-07-29
    • 文件大小：2kb
    • 提供者：qq_38649386

  1. text_recognition_toolbox:text_recognition_toolbox-源码

  2. 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

  3. 所属分类：其它

  1. TorchNN-OCR:EchidNet和其他神经网络用于光学字符识别任务-源码

  2. EchidNet-OCR 使用EchidNet的Torch光学字符识别神经网络，以及其他在其顶部具有递归层的CNN。 1-只需创建一个名为“数据集”的目录，然后将图像扔在那里（最好是png，但是只要您更改了格式，就可以使用其他格式 2-确保在训练时规范化数据长度（图像中的字符数）（或欺骗它以发送相同的长度）。 您还可以使用image_validation.py并指定长度可以多大，仅删除超出预期的数据。 3-之后，请运行train.py，您应该会很高兴。 注意：您的图像必须命名为“ text

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：10kb
    • 提供者：weixin_42131601

  1. banti_telugu_ocr:泰卢固语的端到端OCR系统。 基于卷积神经网络-源码

  2. 全面的泰卢固语OCR系统 Banti框架 该框架依赖于分割算法将文本分解为字形的能力。 因此，它可以扩展到具有良好分离图像的其他脚本，例如马拉雅拉姆语，奥里亚语，泰米尔语，卡纳达语，泰语等。 特征 打开由antanci_segmenter生成的框文件 将它们传递给训练的神经网络 语言的n-gram建模 能够处理损坏的字形（使用语言模型）。 依存关系 Python3 脾气暴躁，鼻涕，鼻子等 枕头 安装说明 使用Docker映像 最简单的方法是从pull预构建的映像并在容器中run 。 您可以使用

  3. 所属分类：其它

  1. 具有上采样模块的DenseNet，用于识别图像中的文本

  2. 卷积递归神经网络（CRNN）在OCR的研究中取得了巨大的成功。 但是现有的深度模型通常在池化操作中应用下采样，以通过丢弃一些特征信息来减小特征的大小，这可能会导致丢失占用率较小的相关字符。 而且，循环模块中的所有隐藏层单元都需要在循环层中连接，这可能导致沉重的计算负担。 在本文中，我们尝试使用密集卷积网络（DenseNet）替代CRNN的卷积网络来连接和组合多个功能，从而潜在地改善结果。 另外，我们使用上采样功能构造一个上采样块，以减少池化阶段下采样的负面影响，并在一定程度上恢复丢失的信息。 因

  3. 所属分类：其它

  1. CRNN：https：github.combgshihcrnn的TensorFlow实现-源码

  2. 该存储库已存档。 请查看有关GitHub的所有其他（更好的）实现。 神经网络 的TensorFlow实现 但是什么是CRNN？ 这是一个卷积递归神经网络，可以用作OCR 要求 Tensorflow（已测试1.8） pip3 install tensorflow Scipy pip3 install scipy 使用了哪些培训数据？ 所有训练数据（20万个示例）都是使用我的其他项目生成的 为此，只需使用pip安装该项目（ pip install trdg ），然后执行trdg -c 2000

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：93mb
    • 提供者：weixin_42169971

  1. tf-crnn：用于文本识别的TensorFlow卷积递归神经网络（CRNN）-源码

  2. 使用卷积递归神经网络和TensorFlow 2.0（tf2-crnn）进行文本识别 卷积递归神经网络（CRNN）的实现，用于基于图像的序列识别任务，例如场景文本识别和OCR。 此实现基于Tensorflow 2.0并使用tf.keras和tf.data模块构建模型并处理输入数据。 要访问实现Shi等人的早期版本。 纸张，请转到标签。 安装 tf_crnn使用tensorflow-gpu软件包（因此需要CUDA和cuDNN）。 您可以使用提供的environment.yml文件安装它，并在

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：52kb
    • 提供者：weixin_42118160

  1. OCR：用于手写数学表达式的光学字符识别系统-源码

  2. 用于光学表达式的光学字符识别（OCR）系统 抽象 OCR是最早解决的计算机视觉任务之一。 但是，几乎没有解决方案可用于特定领域，例如解析数学公式。 因此，我们将以一种简单的教育方式来解决此问题，为计算机视觉（CV）领域提供全面的介绍，并有可能扩展基本解决方案。 生成的程序将输入图像的分割合并为字符，然后基于卷积神经网络（CNN）进行字符识别本身。 重现结果 首先，通过从项目的根文件夹执行以下命令来准备数据： cd data unzip emnist.zip unzip crohme.zip 然

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：130mb
    • 提供者：weixin_42175776

  1. crnn：卷积递归神经网络（CRNN），用于基于图像的序列识别-源码

  2. 卷积递归神经网络 该软件实现了卷积递归神经网络（CRNN），它结合了CNN，RNN和CTC损失，可用于基于图像的序列识别任务，例如场景文本识别和OCR。 有关详细信息，请参阅我们的论文 。 更新2017年3月14日，一个Docker文件已添加到项目中。 感谢 。 UPDATE 2017年5月1日一PyTorch已作出 。 更新2017年6月19日对于端到端文本检测器+识别器，请通过签出 。 建立 该软件仅在Ubuntu 14.04（x64）上经过测试。 需要启用CUDA的GPU。 要构建项

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：67kb
    • 提供者：weixin_42131785