image模型，(Size = 34 mb, optimized for speed and moderate performance, with fast detection time)

一个可以在python爬虫中用于验证码识别的库

YOLOv5权重文件：S模型。yolov5系列将在2020年第2/3季度进行架构研究和开发，以提高性能。更新可能包括来自yolov4的CSP瓶颈，以及PANet或BiFPN head特性。

捷速OCR文字识别软件是将你的图片转换成word及可编辑的文字。该软件具备一键转换功能,是OCR识别软件中包含格式最多、识别率最高、速度最快的一款识别软件。本软件支持识别前对页面的分析、识别时对文件的预览及修改、识别后直接打开即可进行编辑的超强功能。针对图片转换成word,图片转换成文字，扫描文件转换成word等都非常适用。 捷速ocr文字识别软件 v3.0更新日志 1、更新软件界面； 2、加快读取速度； 3、提高软件识别率； 4、完善用户体验。 捷速OCR文字识别软件截图 相关阅读 捷速ocr教您如何编辑pdf文件

多摄像机人员跟踪和重新识别（使用视频） 用于“检测/跟踪”和“重新识别”不同摄像机/视频中的个人的简单模型。 介绍 该项目旨在跟踪不同角度的视频中的人。 用于完成此任务的框架分别依靠MOT和ReID来跟踪和重新标识人类的ID。 可以使用YOLO_v3或YOLO_v4来完成跟踪，并且ReID依赖于KaiyangZhou的Torchreid库。 安装 如果您的计算机上未安装 ，请下载 克隆存储库 git clone https : // github . com / samihormi / Multi - Camera - Person - Tracking - and - Re - Identification 创建项目环境 cd Multi - Camera - Person - Tracking - and - Re - Identification conda create

checkpoints.zip for ocr

Linux智能OCR解决方案 Lios是一个免费的开源软件，可以使用扫描仪或照相机将打印转换为文本，它还可以从其他来源（例如Pdf，图像，包含图像的文件夹或屏幕截图）的扫描图像中生成文本。 程序为视障人士提供了完全可访问性。 Lios是用python3编写的，我们根据GPL-3许可发布了它。 该程序有很多可能性，“反馈”是它的关键，“期待您的反馈”。 特征 从扫描仪，PDF，文件夹或网络摄像头导入图像， 拍摄并识别屏幕截图， 识别选定区域（矩形选择）， 支持两个OCR引擎（楔形文字，Tesseract）， Text-Cleaner-使用“替换匹配”对话框对输出进行后期处理， 任意语言的全自动旋转（如果已为该语言安装了aspell，例如，印地语为“ sudo apt-get install aspell-hi”， 图像和输出的并排视图 先进的扫描仪亮度优化器， 具有突出显示功能

图片文件批量OCR识别 是一个免费图片批量OCR识别程序，可以同时对各种图片文件进行OCR识别。 可以把识别后的图片批量导出文件双层PDF，文本文件等。系统可以对图片进行放大、缩小、旋转、剪切等操作，可以调整图片次序，软件使用非常简单。系统使用Tesseract5 API， 速度快，质量高，支持多线程处理。 本工具可以实现内网环境下本地化部署，不需要把文件上传到互联网，可以保障文件安全，不会导致泄密。 软件完全免费，没有任何时间和功能限制。 1：支持各种图片预览 左侧是图片缩略图，点击一个缩略图可以预览此图片，可以移动查看图片，也可以放到缩小，旋转等等。 2：支持图片的简单编辑功能 支持放大，缩小，旋转，裁剪，灰度变化 。 也可以增加，删除选中图片。 加载某个文件夹下图片文件，一个TIFF图片可以显示每一帧。 导出HOCR。 3：支持多种输出格式，双层PDF，文字文本等 同时可以设置输出页面大小，方向，边距等。 4：系统支持多线程 5：识别速度快，准确率高

为了解决在复杂背景以及人流密集且互相遮挡的场景下, 对人流密度进行估计精度低的问题, 提出了基于YOLOv3增强模型融合的方法进行人流密度估计. 首先将数据集分别进行头部标注和身体标注, 生成头部集和身体集. 然后用这两个数据集分别训练两个YOLOv3增强模型YOLO-body和YOLO-head, 最后使用这两个模型在相同的测试数据集上推理, 将其输出结果进行极大值融合. 结果表明基于YOLOv3增强模型融合的方法, 与原始目标检测方法和密度图回归的方法相比精度提高了4%, 且具有较好的鲁棒性.

车祸事故项目 道路交叉口经常发生交通事故。 一个能够在发生事故时发出警告的系统是对事故做出快速响应的必要条件。 我们的项目能够检测到尤其在道路交叉口发生的“ T”形事故。 在项目中，通过查看被检测对象的坐标相交来进行事故检测。 Darknet YOLO V3用于事故检测。 通过查看汽车，摩托车，自行车和公共汽车的坐标来进行事故检测。 该算法在白天碰撞视频期间在单车道道路上的“ T”形碰撞中正常工作。 该项目是在Ubuntu 18.04操作系统上开发的。 在您自己的计算机上运行项目 在计算机上安装 。 将将Darknet构建后创建的“ darknet.so”文件粘贴到项目目录中，并将文件名更改为“ libdarknet.so”。 创建虚拟环境（Python 3.6） 上传所需的库可在requirements.txt 。 在项目目录中时， pip install -r requirem