演讲 文字转语音（TTS）和自动语音识别（ASR）。 链接到Doxygen生成的文档： : 安装 在可以找到从源代码安装的安装说明。 用法 有关如何启动或配置它的信息： 如果要构建新的语言模型，请阅读 更多示例： 要查看其他程序如何调用speechRecognition和Espeak并通过yarp对其进行配置，您可以查看代码的这一部分。 贡献 发布问题 阅读 叉与拉请求 按照，在master分支上创建功能分支（ git checkout -b my-new-feature ） 提交您的更改 推送到分支（ git push origin my-new-feature ） 创建一个新的拉取请求 地位 相似及相关项目

有关多标签的分类问题，有很多相应的代码，适合不懂的初学者去学习

数据集有27种不同的品牌徽标，并且所有角度都非常适合训练CNN模型。包含的品牌有：阿迪达斯，苹果，宝马，雪铁龙，可口可乐，DHL，联邦快递，法拉利，福特，谷歌，喜力，惠普，麦当劳，Mini，Nbc，耐克，百事可乐，保时捷，彪马，红牛，雪碧，星巴克，英特尔，德士古，Unisef，沃达丰和雅虎。 Brand Logo recognition dataset_datasets.txt Brand Logo recognition dataset_datasets.zip

信息提取中文 中文信息提取（包括命名实体识别，关系提取等）专注于最新的深度学习方法。 为了清楚起见，该项目有几个子任务，分别带有详细的README.md。 文件夹RE_BGRU_2ATT /中的详细信息 文件夹NER_IDCNN_CRF /中的详细信息 详情 参考

可以实现物体分类 对新物体识别类别 基于python+opencv+cnn的人脸识别的学习demo

Speech Recognition Using Deep Neural Networks: A Systematic Review ALI BOU NASSIF

使用特征学习的主要挑战之一深度卷积神经网络（DCNN）用于大规模人脸识别是适度损失的设计可以增强判别力的功能。中央损失会惩罚深层特征之间的距离他们相应的班级中心在欧几里得空间实现类内的紧凑性。 SphereFace假设最后完全连接的线性变换矩阵层可以用作类的表示在角度空间中居中并因此惩罚角度在深层特征及其相应权重之间以乘法的方式最近，热门研究将保证金纳入公认的亏损函数为了最大化人脸分类的可分离性。在本文中，我们提出了一个附加的角余量损失（ArcFace）获得用于面部识别的高度区分性功能。拟议的ArcFace具有清晰的几何解释由于它与测地距离精确对应在超球上。我们可以说是最广泛的针对所有最新技术的实验评估十种面部识别基准的面部识别方法其中包括一个新的大型图像数据库拥有成千上万的货币对和大规模的视频数据集。我们表明ArcFace的性能始终优于且可以通过微不足道的计算轻松实现高架。

大年龄段是自动面部识别的严重障碍。 尽管已经报告了许多令人鼓舞的结果，但是由于老化过程导致的类内差异很大，它仍然是一个具有挑战性的问题。 在本文中，我们主要侧重于寻找一种具有表现力的年龄不变特征，从而使其对人际差异具有鲁棒性，对不同主体具有歧视性。 为了实现这一目标，我们将原始特征映射到一个新的空间，在该空间中，该特征对于因面部图像老化而引起的噪音和较大的人际变化是很健壮的。 然后，我们进一步将映射的特征编码为年龄不变的表示形式。 经过映射和编码后，我们获得了稳健而有区别的功能，可以实现年龄不变的人脸识别的特定目的。 为了展示我们方法的有效性和通用性，我们在两个知名的公共领域数据库进行了实验，以进行年龄不变的人脸识别：跨年龄名人数据集（CACD，最大的公开可交叉使用年龄face.dataset）和MORPH数据集。 实验表明，我们的方法在这两个具有挑战性的数据集上均达到了最新的结果。

面部识别python-django 面部检测和面部识别，以及从数据库中获取的已识别人员信息。 通用语言和版本 • Python version: 2.7.14 • Django version: 1.11.9 • OpenCV version: 3.4.0 • Sklearn version: 0.19.1 • Mysql Database 更改mysql设置 go to settings.py under faceRecog folder. change database configuration under DATABASES object. 跑 - python ma

人脸识别 该存储库包含使用带有tkinter gui界面的openCV和python进行面部识别的代码。 如果要测试代码，请运行train.py文件 使用的技术：-openCV（开源计算机视觉）-Python -tkinter GUI界面 在这里，我正在使用OpenCV（Python）开发基于面部识别的考勤管理系统。 只需面对照相机，即可标记出他们的出席情况。 怎么运行的 ： 当我们运行train.py时，将打开一个窗口，询问输入ID和输入名称。 输入名称和ID后，我们必须单击“拍摄图像”按钮。 通过单击“拍摄图像”，将打开正在运行的计算机的摄像头，并开始拍摄人的图像样本。此ID和名称存储在StudentDetails文件夹中，文件名为StudentDetails.csv。 它以60张图像为样本并将其存储在TrainingImage文件夹中。完成后它会通知iamges已保存。 采集图像