Matlab环境下运行的模式识别工具箱，解压缩后目录下有英文说明文档和使用教程

一个小巧界面美观的文字识别工具，一个不到2M的exe程序无须安装及安装运行环境，无广告。 识别速度：比qq截图自带识别的要快点，最重要的是使用更方便； 识别精度：标准电脑字体99%识别率，可识别扭曲的文字但未重叠的图片； 多种识别方式：支持快捷键屏幕选区识别、文件拖放、复制文件、剪切板图片识别方式； 需要联网使用；

基于JavaFx的屏幕截屏文字识别 屏幕截屏的工具由郑添翼Taky.Zheng制作原始在此基础之上添加使用了百度的文字识别OCR——在data.properties文件里添加对应的appid，apikey和secretkey即可 存在问题 截屏工具在修改后使用截屏位置不太对

基于深度学习的手势识别工具，实现了手势图片、手势视频、摄像头手势实时检测功能

Iconcook图标识别 用Pipcook训练的图标识别工具 使用 # 安装依赖 $ npm install # 启动服务 $ npm start # 生成训练样本 http://localhost:3333 # 预览训练效果 http://localhost:3333/ # /predict 流程 1，将图标名称列表存如src / common / labels.js中的标签 2，将图标名称和其Unicode编码以键/值的形式存储入src / common / labels.js的labelMap对象 3，src / pages / create / index.jsx中调整组件库名和样式，进入确认图标渲染正常 4，单击页面最下方的“下载数据”（需要花费，console有进度），将文件存入iconData / icon.json 5，命令行运行node createImg.js ，会在

基于扩张神经网络（Divolved Convolutions）训练好的医疗领域的命名实体识别工具，这里主要引用模型源码，以及云部署方式供大家交流学习。 环境 阿里云服务器：Ubuntu 16.04 Python版本：3.6 Tensorflow：1.5 第一步：来一个Flask实例，并跑起来： 使用的是Pycharm创建自带的Flask项目，xxx.py from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello World!' if __name__ == '__main__': app.run() 执行python xxx.py就可以运行在浏览器中测试若直接在dos窗口中：输入命令也可测试。 第二部：服务器配置 服务器python版本为3.x 安装pi

CwsPosNerEntityRecognition 中英文Cws Pos Ner实体识别工具，使用CNN双向lstm和crf模型，并带有char嵌入。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能一体化的完成中文和英文分词，词性标注，实体识别。主要包括原始文本数据，数据转换，训练脚本，预训练模型，可用于序列标注研究。注意：唯一需要实现的逻辑是将用户数据转化为序列模型。分词准确率约为93％，词性标注准确率约为90％，实体标注（在本样本上）约为85％。 提示 中文分词，词性标注，实体识别，在使用上述模型时，本质是就是标注问题！！！如果您第一次使用相关的模型，只需加上self.c

MTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rarMTK手机CPU型号ID识别工具.rar

使用Java写的

Matlab语音识别工具箱的安装方法 1、解压voicebox.zip，将整个目录voicebox复制到MATLAB的安装目录的TOOLBOX目录下，如D:\MATLAB7\toolbox\ 2、打开Matlab，File——Set Path，添加路径。