文本检测和识别综述论文
2021-11-30 17:02:23 2.34MB 文本检测和综述论文
1
《Backpropagation applied to Handwritten zip code recognition》,Yan LeCun于1989年所作
2021-11-30 12:38:50 5.4MB CNN 论文
1
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
2021-11-29 23:16:05 12.45MB pytorch named-entity-recognition ner bert
1
人脸识别门禁系统 可以在线实时的检测人脸,是实时的不需要上传图片,对于已经录入人脸库的,可以显示通过,支持后台注册人脸,以及管理人脸库的信息,后期还会加入每日检测历史记录。 开发日志: 2018-6-14添加了日志模块,可以查看人脸登录信息,成功或失败都会显示出来 2018-6-9 对手机端进行了页面支持,可以在微信中直接打开视频流 2018-6-5添加了登录功能,管理员需要登录 完善了门禁界面,采用自动化人脸采集,界面更加洁净,当有人脸出现时,能够识别并在弹窗中显示采集到的照片和验证信息,弹窗固定时间后自动消失,进行下一次比对,技术就是多个计时器和定时器联动使用。 最新版本图,自动采集 下面是效果图
2021-11-29 16:26:01 3.13MB PHP
1
使用Raspberry Pi,OpenCV,Python进行实时人脸识别-实现Haar Cascades分类器和LBPH Haar功能 [1] [2] 它们检测边缘,直线,中心环绕的特殊对角线特征 整体形象 [3] [4] 积分图像是通过计算给定图像中的值(像素值)之和创建的。 如您在Image [4]中看到的那样,创建一个完整的图像可以非常有效且快速地提取特定区域的所需值。 Haar级联分类器 [5] 它是一种分类器,其中,通过将正图像叠加在一组负图像上来训练级联函数。 它使用Haar功能和完整图像。 它有助于面部检测和特征提取阶段。 本地二进制模式直方图人脸识别器(LBPH) [6] 它通过查看图像的每个点来工作。 它将所选区域的中心值(像素值)与其相邻值进行比较。 如果邻近值低于中心像素,则该邻近值将被写入零。 如果邻近值大于中心像素,则该邻近值将被写入
2021-11-28 11:51:45 4.6MB Python
1
虹膜识别 我已经制作了Iris-Recognition system ,该Iris-Recognition system在Matlab和Python中均已实现。 关键字:虹膜识别,生物识别,计算机视觉,图像处理,Daugman 更新 :party_popper: :party_popper: :party_popper: 2019年8月21日:我已经在使用深度学习创建了一个用于解决虹膜识别的新存储库。 目录 V.3。帐户信息视图 VI.Python实现 一,引言 2017年夏季,我在“数字信号处理”课程中遇到了我的老师。 他向我推荐了生物识别技术主题。 从那时起,我就开始探索有关生物识别的知识,例如指纹,虹膜和面部。 我在Internet上搜索,发现了一个开源的虹膜识别模型,该模型是在Matlab上编写的。 多亏了这个开放源代码的作者,我才能创建自己的系统。 这是有关作者的信息: Libor Masek, Peter Kovesi. MATLAB Sour
2021-11-27 16:04:26 68.07MB biometrics iris-recognition Python
1
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION非常经典的VGG-NET框架就是出自这篇文章
2021-11-25 22:36:44 195KB VGG-NET
1
Twitter情绪识别 经过训练的递归神经网络(RNN)模型,用于根据英语推文预测情绪。 我们的模型适用于字符,因此我们无需进行任何预处理就将整个推文传递为RNN。 我们正在预测三种情感分类: 埃克曼的六种基本情感, 普鲁奇克的八种基本情感 情绪状态简介(POMS)的六个情绪状态。 文件和文件夹: demo.ipynb :脚本显示了如何使用我们的模型来预测情绪或将推文嵌入Jupiter Notebook。 demo.py :脚本显示了如何使用我们的模型来预测情绪或在Python中嵌入推文。 motion_prediction.py :定义EmotionPredictor类的帮助脚本。
2021-11-25 21:28:02 91.29MB twitter deep-learning lstm hashtags
1
License_Plate_Recognition 基于车牌识别的车位管理系统(APP) 包括了个人中心(登录,注册等)和拍照识别车牌功能(基于百度的API)
2021-11-25 04:33:14 1.71MB Java
1