win10 下用于编译chinese-ocr项目的setup文件，编译py-faster-rcnn中的cython_nms.pyx，nms_kernel.cu, gpu_nms.pyx模块

对CRNN 端到端不定长序列的分类进行介绍，主要是对An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to.pdf这篇论文的解读

基于CNN和LSTM的脑电情绪识别_运用卷积神经网络_4D-CRNN,数据集为DEAP和seed。数据集采用的是脑电研究中最常用的DEAP和SEED数据集并且在两个数据集中都取得了很高的准确率。都达到了92%左右的准确率

字符识别 基于卷积递归网络的汉字识别库。 性能 识别图片中的字符 开发环境 WIN 10或Ubuntu 16.04 使用CUDA 10.0的PyTorch 1.2.0（可能会修复CTC丢失） :fire: yaml Easydict 张量板 数据 合成中文字符串数据集 下载 将lib / config / 360CC_config.yaml DATA：ROOT编辑为您的图像路径 DATASET: ROOT: 'to/your/images/path' 下载（密码：eaqb） 将char_std_5990.txt放入lib / dataset / txt / 并将trai

自然场景OCR（YOLOv3+CTPN+CRNN）,附带整个项目代码，详细代码注释挺不错的一个资源，亲测可用，如果需要的话，就赶紧来下载吧!!

神经网络 卷积神经网络的Keras文本识别实现 此实现中有两种可用的模型。 一个基于原始CRNN模型，另一个则包含空间转换器网络层以纠正文本。 但是，性能差别不大，因此由您决定选择哪种型号。 训练 您可以使用Synth90k数据集训练模型，但也可以使用自己的数据。 如果使用自己的数据，则必须重写代码，以便根据数据结构来加载数据。 要下载Synth90k数据集，请转到此并下载MJSynth数据集。 可以将Synth90k数据集放在data/Synth90k或者使用--base_dir参数指定数据集的路径。 基本目录应包括许多包含Synth90k数据的子目录，用于训练，验证和测试数据的注释文件，列出数据集中所有图像的路径的文件以及词典文件。 使用--model参数指定要使用的两个可用模型中的哪个。 默认模型是带有STN层的CRNN。 有关详细信息，请参见config.py 。 运行tra

DL之CNN：基于CRNN_OCR算法(keras,CNN+RNN)利用DIY数据集训练来实现新图片上的不定长度中文文字识别 https://blog.csdn.net/qq_41185868/article/details/90246673

识别音乐流派的神经网络CRNN

该存储库已存档。 请查看有关GitHub的所有其他（更好的）实现。 神经网络 的TensorFlow实现 但是什么是CRNN？ 这是一个卷积递归神经网络，可以用作OCR 要求 Tensorflow（已测试1.8） pip3 install tensorflow Scipy pip3 install scipy 使用了哪些培训数据？ 所有训练数据（20万个示例）都是使用我的其他项目生成的 为此，只需使用pip安装该项目（ pip install trdg ），然后执行trdg -c 200000 -w 1 -t 8 。 -t应该是您的处理器线程数。 预训练模型 在CRNN /保存中可用。

基于CRNN的OCR源码，达到实时识别效果。深度学习框架是主流的Tensorflow引擎，支持英特尔CPU和英伟达GPU硬件平台