智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 更多项目《智能驾驶 车牌检测和识别》系列文章请参考： （1）智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》：https://blog.csdn.net/guyuealian/article/details/128704181 （2）智能驾驶 车牌检测和识别（二）《YOLOv5实现车牌检测（含车牌检测数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704068 （3）智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 （4）智能驾驶 车牌检测和识别（四）《Android实现车牌检测和识别（可实时车牌识别）》：https://b

EAST（Efficient and Accuracy Scene Text） 在使用 GPU 在实时视频流中实现文本检测之前，首先对在 CPU 上运行 EAST 检测模型与 GPU 运行多少加速进行基准测试。 在没有 GPU 的情况下测量 EAST 文本检测 FPS 吞吐率（即在 CPU 上运行）： # python text_detection_speed.py --image images/ljcd_.jpg --east frozen_east_text_detection.pb # GPU 下测量 EAST 文本检测 FPS 吞吐率（即在 GPU 上运行）: # python text_detection_speed.py --image images/ljcd_.jpg --east frozen_east_text_detection.pb --use-gpu 1

基于图论的乳腺肿瘤超声图像的分割和识别方法.pdf

cnn源码matlab SVHN-deep-cnn-digit-detector 该项目在自然场景中实现了 deep-cnn-detector（和识别器）。 我使用 keras 框架和 opencv 库来构建检测器。 该检测器使用 CNN 分类器为 MSER 算法提出的区域确定数字与否。 先决条件 Python 2.7 keras 1.2.2 opencv 2.4.11 张量流-GPU == 1.0.1 等等。 运行这个项目所需的所有包的列表可以在 . Python环境 我建议您创建和使用独立于您的项目的 anaconda 环境。 您可以按照以下简单步骤为该项目创建 anaconda env。 使用以下命令行创建 anaconda env： $ conda env create -f digit_detector.yml 激活环境$ source activate digit_detector 在这个环境中运行项目 用法 数字检测器的构建过程如下： 0. 下载数据集 下载 train.tar.gz 并解压文件。 1.加载训练样本（1_sample_loader.py） Svhn 以 m

（MATLAB）水果检测和识别（一个图片有多类水果，形状和颜色方法，结果显示到图片上，带界面GUI，详细注释）

EasyOCR 中文识别检测和识别模型

1、本项目采用YOLOv7算法实现对道路交通标志的检测和识别，在道路交通标志检测数据集中训练得到，训练了YOLOv7模型， 2、目标类别数：4 ；类别名：trafficlight’,‘speedlimit’, ‘crosswalk’, ‘stop’； 3、道路标注检测数据集标签格式：VOC和YOLO 参考：https://blog.csdn.net/weixin_51154380/article/details/127642605

Radar system simulation 雷达系统建模 仿真和识别 Computer_Simulation_of_Aerial_Target_Radar.rar matlab+simulation+for+radar+systems+design.pdf

1、实现效果：《基于凸包检测和重心距离法的指尖检测和识别》见链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124936620 2、内容介绍：在大学毕业设计的时候，课题要求实现《基于凸包检测和重心距离法的指尖检测和识别》，采用Python语言和CV库实现，检测效果还不错。 3、适用人群：适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。 4、支持答疑：有问题可以订阅博主的《实用毕业设计》专栏（附链接 ：https://blog.csdn.net/soaringlee_fighting/category_9288245.html）或者直接购买资源后咨询博主。 5、质量保证：完整代码，可直接运行！里面包含说明文档。

（收集的资料，对ProE二次开发有帮助。）论文《Pro／ENGINEER模型特征提取和识别的二次开发》黄文权，李开世，石艳（四川理工学院机电工程系），研究了对Pro／ENGINEER三维零件模型进行特征提取和识别的Pro／Toolkit二次开发方法，实现了零件模型特征树的重构。文章编号：1673—1549(2006)01-0013-04