对NER的监管不力 与ACL 2020接受的论文“没有标签数据的命名实体识别：弱监督方法”相关的源代码。 要求： 您首先应该确保安装以下Python软件包： spacy （版本> = 2.2） hmmlearn snips-nlu-parsers pandas numba scikit-learn 您还应该在Spacy中安装en_core_web_sm和en_core_web_md模型。 要在ner.py运行神经模型，还需要安装pytorch ， cupy ， keras和tensorflow 。 要运行基线，您还需要安装snorkel 。 最后，您还需要下载以下文件并将

使用NVIDIA预训练模型和Transfer Learning Toolkit 3.0与机器人创建基于手势的交互 在这个项目中，我们演示如何训练您自己的手势识别深度学习管道。 我们从预先训练的检测模型开始，使用Transfer Learning Toolkit 3.0将其重新用于手部检测，然后将其与专用手势识别模型一起使用。 经过培训后，我们将在NVIDIA:registered:Jetson:trade_mark:上部署此模型。 可以将这种手势识别应用程序部署在机器人上以理解人类手势并与人类进行交互。 该演示可以作为点播网络研讨会提供： : 第1部分。训练对象检测网络 1.环境设置 先决条件 Ubuntu 18.04 LTS python> = 3.6.9 = 19.03.5 docker-API 1.40 nvidia-container-toolkit> = 1.3.0-1

流行动作识别模型的代码，在某事物数据集上进行验证。

行业分类-物理装置-一种动作模式识别模型的更新方法和装置.zip

行业分类-物理装置-图像识别方法及图像识别模型的训练方法.zip

数码管数字识别模型，输入图像需为30x30的二值图，输出数据为0到9外加小数点的可能性，使用tensorflow进行训练并导出

本资料主要研究的是卡尔曼滤波在船舶运动操纵模型的应用，运用EKF滤波对船舶Abkowitz模型线性化之后的参数识别，其中运用了matlab中simulation工具箱来识别参数。

人脸样本库，正负样本各10000例，男人+女人，训练人脸识别模型使用

基于CNN人脸识别模型的大学生课堂行为分析研究.pdf

而深度学习的引入，使得在我们在复杂场景下进行字符识别更为便利。 本项目通过使用pytorch搭建resnet迁移学习模型实现对复杂场景下字符的识别。