肺炎是一种严重威胁人类健康的疾病,及时、准确地检测出肺炎可以尽早帮助患者接受治疗。因此,提出了一种基于YOLOv3改进的Multi branch YOLO检测算法。用多分枝膨胀卷积输出的特征代替YOLOv3中不同层级的特征进行检测,在多分枝卷积神经网络中引入Boosting思想,并使用最大化熵方法优化网络。将每个卷积分枝视为一个弱分类器,通过最大化熵方法使每个分枝学习到相近的检测能力,避免多分枝卷积模型退化成单分枝卷积模型。基于北美放射学会提供的肺部X射线影像进行实验,结果表明,该算法在实验数据集上的检测准确率高于其他目标检测算法。

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

多元统计分析及SPSS应用_汪冬华_带书签_带OCR.PDZ格式需要用超星阅读器打开，带的有OCR识别，比pdf格式好的是能够直接识别出文字

YOLOv3的PyTorch完整实现

yolo3-keras yolo3-keras的源码，可以用于训练自己的模型yolov3以及yolov3-tiny 一、环境要求 Python： 3.7.4 Tensorflow-GPU 1.14.0 Keras: 2.2.4 二、快速使用： 1.下载yolov3-keras代码 2.下载yolov3-keras权重文件 并将其放入根目录下 3.执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件 python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5 python convert.py yolov3-tiny.cfg yolov3-tiny.weights model_data/yolov3-tiny.h5 模型文件对应说明如下： 模型文件 说明 ep034-loss6.105-val_l

python识别中文需要。无需积分，免费下载。

本数据集用于新手快速学习模型训练过程。（该数据集图片较少，训练出模型后识别准确率低，但可测试原数据集内图片。

OCR文字识别软件，它具备多功能OCR识别+翻译+朗读+弹窗可谓是功能超级的强大，比之前发布的天若OCR文字识别工具 还强大，截图OCR识别，图片OCR识别，剪切OCR识别，可以轻轻松松把我们文本，书本，图片上面的长篇文字精准的识别出来，非常方便，而不需要耗费大量的时间来一个字一个字的打出来，为用户节约了大量的时间，提高了个人或企业的办公效率，PandaOCR 默认是开启语音播报功能的，首次打开就会传来一阵女性电子音 “叮，已完成初始化！”，文字识别后也会自动朗读文字内容，PandaOCR 内置多个OCR引擎接口，百度OCR、搜狗OCR、有道OCR和腾讯OCR，这里推荐搜狗或腾讯的接口，语音朗读引擎有搜狗朗读、腾讯朗读、百度朗读、必应朗读和讯飞合成，还有就是千万不要点击左上角的熊猫图像，千万不要点击左上角的熊猫图像，千万不要点击左上角的熊猫图像，重要的事情易这里要说三遍。

OCR_TIANCHI_ICPR 用法： 从下载训练有素的模型。 在single_ctpn中运行text_detector.ipynb。 样品： 结果： $锚点：（x1，y1，x2，y2，x3，y3，x4，y4）$每个文本区域的$将存储在结果文件夹中，其中txt文件的名称是相应的图像文件。