LAS-Pytorch 这是我的（LAS）谷歌ASR深度学习模型的pytorch实现。 我同时使用了mozilla 数据集和数据集。 借助torchaudio，在加载文件的同时即可快速完成功能转换。 结果 由于我的GPU没有足够的内存，因此这是采用相当小的体系结构进行的4个训练周期的LER（信笺错误率）和损失度量。 侦听器具有128个神经元和2层，而Speller具有256个神经元和2层。 我们可以看到模型如何从我们提供给它的数据中学习，但是它仍然需要更多的训练和适当的架构。 字母错误率 失利 如果我们尝试预测音频样本，则结果如下所示： true_y ：['A'，'N'，'D'，'，'S'，'T'，'I'，'L'，'L'，'，'N'，'O'，' '，'A'，'T'，'T'，'E'，'M'，'P'，'T'，'，'B'，'Y'，''，'T'，'H '，'E'，''，'P'，'O']

las格式转换成pcd或者txt格式的工具

一小片las格式的道路点云测试数据，方便开发中测试。

有色金属行业跟踪报告：Las Bambas谈判在即，全球铜矿供给扰动加剧.pdf

行道树las点云，包含XYZRGBI字段信息，免费分享给大家

航拍的真实的城市las数据，有需要的同学拿去仿真吧。！！

Leica 莱卡 激光扫描共聚焦显微镜 图像处理软件 官方版 2.6.0 x86 32位

激光点云数据，las格式转换为txt和pcd（point cloud library）支持格式，方便转换。

las

OpenASR的 基于pytorch的end2end语音识别系统。 主要体系结构是 。 特征 最小依赖。 该系统不依赖外部软件进行特征提取或解码。 用户只需安装PyTorch深度学习框架。 良好的表现。 该系统包括高级算法，例如标签平滑，SpecAug，LST，并在ASHELL1上实现了良好的性能。 AISHELL1测试的基准CER为6.6，优于ESPNet。 模块化设计。 我们将系统分为几个模块，例如培训师，指标，进度表，模型。 扩展和添加功能很容易。 End2End 。 特征提取和标记化是在线的。 系统直接处理波形文件。 因此，该过程大大简化了。 相依性 python> = 3.6 火炬> = 1.1 pyyaml> = 5.1 tensorflow和tensorboardX进行可视化。 （如果不需要可视化结果，可以在src / utils.py中将TENSORBOARD_