基于惯性的变压器活动识别 该存储库提供了本文中描述的方法的官方PyTorch实施： “使用变压器增强基于惯性的人类活动识别” （Shavit和Klein，2021年，IEEE开放访问）。 我们提出了一个基于Transformers的基于惯性的活动识别的通用框架。 使用移动设备上的惯性传感器随时间推移收集的样本将提供给Transformer Encoder架构，以学习智能手机位置识别（SLR）和人类活动识别（HAR）任务。 所提出的方法是第一个使用Transformers来完成此任务的方法，并且在多个数据集和方案中显示出提供了一致的改进。 我们的模型架构（IMU-Transformer）如下所示： 基于交互的活动识别的培训和测试 该存储库支持用于基于惯性的活动识别的深度学习模型的训练和测试。 具体来说，这些模型采用IMU数据并对活动类型进行分类。 我们支持两种模式： 基于变压器的分

字母识别 使用Keras和TensorFlow实现的卷积神经网络。 它使用具有26个大写字母数字符号的类似MNIST的数据集。 使用生成的数据对模型进行训练，训练后，权重将保存并为TensorFlow.js支持的格式。 实时网络应用程序在。

基于tf的人工智能数字识别demo，可以识别用的输入的数字信息，多多分享多多学习

Pkav-HTTP-Fuzzer图形验证码识别教程源码包

验证码识别CAPTCHA_recognizing 第九届中国大学生服务外包创新创业大赛-A16验证码识别（河海大学-李说啥都对） 本项目抛弃了传（过）统（时）的SVM支持向量机，使用卷积神经网络(Convolutional Neural Networks, CNN)针对所给验证码进行识别，五类验证码的准确率均在95%+，第一类竟达到100%。Let's come to the point! 第一类验证码 First CAPTCHA 第一类验证码为四则运算验证码，包含一个四则运算，验证方法为要求用户输出运算表达式及结果。验证码包含噪点干扰。如图示例： 卷积操作拓扑图如下： 第二类验证码 Second CAPTCHA 第二类验证码为英文字母+数字验证码，包含5个字符，验证方法为要求用户输出验证码中的字符，大小写不限。验证码包含噪点干扰，文字无旋转形变。如图示例： 第三类验证码 Third CA

android手机名片识别，可以获取名片上所有文字信息，

这个课题为基于MATLAB的答题卡识别，采用hough变换原理，定位答题卡的ABCD字符，然后识别。得到结果和excel标准分数进行对比，可以得出得分，判断及格与否，也可以查询某个考生号进行分数查询。带界面GUI框架。需要您具备一定基础。

java验证码识别源码，验证码生成地址自己添加，main 函数两个方法取消注释

Chinese NER Project 本项目为CLUENER2020任务baseline的代码实现，模型包括 BiLSTM-CRF BERT-base + X (softmax/CRF/BiLSTM+CRF) Roberta + X (softmax/CRF/BiLSTM+CRF) 本项目BERT-base-X部分的代码编写思路参考 。 项目说明参考知乎文章： Dataset 实验数据来自。这是一个中文细粒度命名实体识别数据集，是基于清华大学开源的文本分类数据集THUCNEWS，选出部分数据进行细粒度标注得到的。该数据集的训练集、验证集和测试集的大小分别为10748，1343，1345，平均句子长度37.4字，最长50字。由于测试集不直接提供，考虑到leaderboard上提交次数有限，本项目使用CLUENER2020的验证集作为模型表现评判的测试集。 CLUENER2020共有10个

基于MATLAB编程实现手写数字识别算法，认识手写数字数据集，本实验用到的mnist手写数字数据集训练集包含60000张图片，测试集包含10000张图片。原始图片大小为28*28，去除边缘填充像素后的图片大小为20*20.本程序为基于类中心欧氏距离的手写数字识别程序，可以计算识别算法的准确率和算法执行时间。