EMG Feature Extraction Toolbox.zip，这是一份不错的文件

SIFRank_zh 这是我们论文的相关代码原文是在对英文关键短语进行抽取，这里迁移到中文上，部分管道进行了改动英文原版在。。 版本介绍 2020/03 / 03——最初最初版本本版本中只包含了最基本的功能，部分细节还有待优化和扩展。 核心算法 预训练模型ELMo +句向量模型SIF 词向量ELMo优势：1）通过大规模预训练，较早的TFIDF，TextRank等基于统计和图的具有更多的语义信息； 2）ELMo是动态的，可以改善一词多义问题； 3）ELMo通过Char -CNN编码，对生隐词非常友好； 4）不同层的ELMo可以捕捉不同层次的信息 句子矢量SIF优势：1）根据词频对词向量进行平滑逆频率变换，能更好地捕捉句子的中心话题； 2）更好地过滤通用词 最终关键焦点识别 首先对句子进行分词和词性标注，再利用正则表达式确定确定名词短语（例如：形容词+名词），将名词作为前缀关键字 最终关键利率

人脸特征提取 这是一个CNN，可从kaggle数据集中获取96 * 96图像，并预测15个界标点： [left_eye_center_x] [left_eye_center_y] [right_eye_center_x] [right_eye_center_y] [left_eye_inner_corner_x] [left_eye_inner_corner_y] [left_eye_outer_corner_x] [left_eye_outer_corner_y] [right_eye_inner_corner_x] [right_eye_inner_corner_y] [right_eye_outer_corner_x] [right_eye_outer_corner_y] [left_eyebrow_inner_end_x] [left_eyebrow_i

image processing toolbox, a very useful toolbox, especially feature extraction such as corner_pyramid, entropy_pyramid, orientation_pyramid.

基于Gabor特征的屏幕内容图像质量评估模型 IEEE图像处理事务（T-IP） ，曾焕强，，侯俊辉，陈静和 | 介绍 该网站共享IEEE图像处理事务（T-IP），第1卷，“屏幕内容图像的基于Gabor特征的质量评估模型”的代码。 27，pp.4516-4528，2018年9月。 抽象的 本文提出了一种基于提取的Gabor特征的准确高效的全参考图像质量评估（IQA）模型，称为基于Gabor特征的模型（GFM），用于对屏幕内容图像（SCI）进行客观评估。 众所周知，Gabor滤波器与人类视觉系统（HVS）的响应高度一致，并且HVS对边缘信息高度敏感。 基于这些事实，将具有奇数对称性并产生边缘检测的Gabor滤波器的虚部用于参考和失真SCI的亮度，以分别提取其Gabor特征。 然后独立测量在LMN颜色空间中记录的提取Gabor特征和两个色度分量的局部相似性。 最后，采用Gabor特征池化策略来

Matlab集成的c代码MSEL_contour_extraction_cxx 此发行包的作者：郭玉良（）这是从图像中提取曲线片段特征的多阶段方法。 该软件包包括仍在开发中的研究代码。 其中包含很多冗余代码。 评估结果与已发表论文中报道的结果不同。 参考：“曲线提取的多阶段方法”，Y.Guo，N.Kumar，M.Narayanan和B.Kimia，ECCV 2014“关于评估图像曲线碎片的评估方法”，Y.Guo，B.Kimia， CVPRW 2012“没有遗留的分组：从边缘到曲线片段，Tamrakar和Kimia，ICCV 2007” 1.下载VXL mkdir vxl git clone https://github.com/vxl/vxl.git vxl 2.编译VXL mkdir vxl-bin cd ./vxl-bin ccmake -D CMAKE_BUILD_TYPE=Release -D BUILD_SHARED_LIBS=ON -D VNL_CONFIG_LEGACY_METHODS=ON ../vxl # press 'c' (configure) multiple

pyadiomics v3.0.1 建立状态 Linux 苹果系统 视窗 Python中的Radiomics功能提取 这是一个开源python软件包，用于从医学成像中提取Radiomics功能。 借助此软件包，我们旨在建立放射分析的参考标准，并提供经过测试和维护的开源平台，以轻松，可重复地提取放射特征。 通过这样做，我们希望提高对放射功能的认识并扩大社区。 该平台支持2D和3D中的特征提取，并且可用于计算感兴趣区域的每个特征的单个值（“基于段”）或生成特征图（“基于体素”）。 不适用于临床。 如果您发布使用此软件包的任何作品，请引用以下出版物： van Griethuysen，JJM，Fedorov，A.，Parmar，C.，Hosny，A.，Aucoin，N.，Narayan，V.，Beets-Tan， RGH，Fillion-Robin，JC，Pieper，S.，Aerts，HJWL（2017）。 计算射线学表型的计算机放射学系统。 癌症研究，77（21），e104-e107。 加入社区！ 请加入的。 要素类 当前支持以下要素类： 一阶统计 基于形状（2D和3D）

方面提取 尝试进行方面提取任务的模型 如何执行范例 具有POS标签的LSTM CRF 将lstm_crf_pos_run.py ， word2id.pickle和best_model_lstm_crf_pos.pt文件放在同一目录中。 使用引号内的句子作为命令行参数运行lstm_crf_pos_run.py 。 （Python 2.7） 例如： python lstm_crf_pos_run.py "I like itallian pizza"

一篇关于卷积自编码的论文，写的非常好，此处上传仅仅是为了通过我博客想下载的朋友。

表格检测和表格提取 功能： 检测表单页面中的所有表格。 在它周围创建边界框。 将其分割并提取表格的单元格。 脚步： 灰度图像 二进制阈值 使用垂直内核和cv2.getStructuringElement获取所有垂直线 同样，使用水平内核和cv2getStructuringElement获取所有水平线 使用cv2.addWeighted组合所有水平线和垂直线 执行一些形态变换，如cv2.erode以获得清晰的线条和更好的结果。 查找轮廓并提取矩形/表格单元格。 先决条件 Python v3.6 OpenCV v3.4 import cv2 Numpy v1.16 import numpy as np 操作系统import os