沟通是聋哑社区和社会其他成员之间的障碍。 手语用于在这些不会说话和听不懂的人之间进行交流。 在过去的几年中，手语识别的自动化已引起研究人员的关注。 已经开发了许多复杂且昂贵的硬件系统来辅助该目的。 但是，我们建议使用深度学习方法进行自动手语识别。 我们设计了一种基于ResNet50的新型2级深度神经网络体系结构来对拼写单词进行分类。 使用的数据集是标准的[1]的美国手语手势数据集。 首先使用各种扩充技术来扩充数据集。 在基于2级ResNet50的方法中，1级模型将输入图像分类为4组之一。 在将图像分类为一组图像之后，将其提供为相应的第二级模型的输入，以用于预测图像的实际类别。 我们的方法在12,048张测试图像上产生了99.03％的精度。

python毕业设计基于深度学习卷积神经网络的网站验证码识别研究与实现项目源码+全部数据.zip这是本科毕业设计的课题，“基于深度学习的网站验证码识别研究与实现”。主要是利用卷积神经网络，基于TensorFlow平台，构建了三层卷积两层全联接模型，训练出的一个准确率为91.3%的识别模型。再基于Django构建登陆系统，使用selenium实现自动测试，完成验证码从识别到自动登录的全过程。 python毕业设计基于深度学习卷积神经网络的网站验证码识别研究与实现项目源码+全部数据.zip这是本科毕业设计的课题，“基于深度学习的网站验证码识别研究与实现”。主要是利用卷积神经网络，基于TensorFlow平台，构建了三层卷积两层全联接模型，训练出的一个准确率为91.3%的识别模型。再基于Django构建登陆系统，使用selenium实现自动测试，完成验证码从识别到自动登录的全过程。 基于深度学习卷积神经网络的网站验证码识别研究与实现项目全部数据.zip 基于深度学习卷积神经网络的网站验证码识别研究与实现项目全部数据.zip 基于深度学习卷积神经网络的网站验证码识别研究与实现项目全部数据.zi

基于机器学习的雷达辐射源识别研究综述

基于TensorFlow框架搭建卷积神经网络对电池片电致发光图像进行缺陷识别。选取公开的数据集，其中包含了电池片的不同种类缺陷。在传统的VGGNet网络的基础上使用全卷积神经网络进行训练，并分析不同损失函数和dropout概率在数据集上的训练效果。经过实验证明，该算法实现了对电池片是否有缺陷的准确识别。研究还得出压缩网络结构对算法训练速率能有大幅提升，这使得简化的模型更具有可迁移性，为大范围的实时缺陷识别提供了一种有效方案。

( 基于BP神经网络的脱机手写汉字识别研究.pdf

改进的EM-Xception人脸情绪识别研究

微博自媒体账号识别研究

如今，大量不同格式的异构数据可用于各种应用程序。 其中一个领域是犯罪调查。 在法医调查中，通常需要识别潜在指纹。 这种调查需要有效的计算方法。 随着现有存储技术的技术进步和局限性，需要有效的工具和技术来对庞大的数据集执行大数据分析和计算。 尽管大数据对法医专家来说是一个挑战，但它可以帮助他们检测犯罪模式，这是解决问题和了解现有情况的重要线索。 在本文中，我们使用 Apache Spark 分析了数据集中存在的潜在指纹图像。 这些实验有助于了解如何使用 SparkML 管道读取、处理和分析巨大的图像数据集。 此外，建议在现有框架上使用 Spark 中的深度学习改进识别和特征提取架构，以解决这一重要的研究问题。

通过在50张英文名片图像的实验来分别验证本文所提方法的正确性，说 明了基于半阈值的粘连字符方法具有高达95．32％的分割正确率，比投影法提高了 近十个百分点；与基于二值化的字符特征相比，基于半阈值化的字符特征具有一 定的鲁棒性；遗传优化的BP神经网络比一般的BP神经网络具有较快的收敛性和 较高的识别率；最后，本文在NokiaN95上实现了一个原型识别系统，系统的图片 拒识率只有6．25％，字符识别正确率达97．35％。

以下是俞栋演讲的主要内容：GMIS 2017 | 腾讯AI Lab副主任俞栋：语音识别研究的四大前沿方向大家好，我是俞栋，现在腾讯 AI Lab，是西雅图研究室