详细信息见博文：https://blog.csdn.net/GUA8122HOU/article/details/126168609 人脸表情的数据集和自己训练出来yolov5模型以及基于PYQT5运行yolov5的交互界面 包括源代码和模型，数据集见博文网盘自取。

毕设的车牌图像数据库 包括各类场景总计6000左右张图像数据 如停车场，卡口，电子抓拍、天桥等位置 可进行车牌定位检测，车牌字符分割，车牌字符识别等相关研究

捷速OCR文字识别软件是将你的图片转换成word及可编辑的文字。该软件具备一键转换功能,是OCR识别软件中包含格式最多、识别率最高、速度最快的一款识别软件。本软件支持识别前对页面的分析、识别时对文件的预览及修改、识别后直接打开即可进行编辑的超强功能。针对图片转换成word,图片转换成文字，扫描文件转换成word等都非常适用。 捷速ocr文字识别软件 v3.0更新日志 1、更新软件界面； 2、加快读取速度； 3、提高软件识别率； 4、完善用户体验。 捷速OCR文字识别软件截图 相关阅读 捷速ocr教您如何编辑pdf文件

ATEC_PAY 1. 对数据进行初步的数据分析 2. lgb baseline代码 数据比较大，网速问题，没有上传 本来想好好做下这个比赛，因为暑假实习去的组就是出题的组，所以只能跑路了

SJTU智能语音识别作业：语音端点检测报告latex原码 不花钱的东西，买不了吃亏买不了上当，配合我发的程序原代码使用效果更好

使用BERT的越南语NER（bert-vn-ner） 由Trong-Dat Ngo编写的代码。 引言 BERT模型的Pytorch实现为越南语执行命名实体识别（NER）。 此外，单词中的特征也用于表示单词。 该系统使用预训练模型 安装 要求： Python 3.6+ 火炬1.4+ 安装依赖项： pip3 install -r requirements.txt 数据集格式 bert-vn-ner的输入数据格式遵循CoNLL-2003格式，其中四列由制表符分隔，包括word ， pos ， chunk和named实体。 每个单词都放在单独的行上，每个句子后面都有一个空行。 请注意，分词不用于匹配BERT的预训练（以bert-base-multilingual-cased表示） 。 有关详细信息，请参见“数据”目录中的样本数据。 下表描述了数据集中的越南语例句示例。 单词 销售点

重要的数据说三遍： 深度学习—猴痘病识别数据集（包含2000张左右猴痘病图片） 深度学习—猴痘病识别数据集（包含2000张左右猴痘病图片） 深度学习—猴痘病识别数据集（包含2000张左右猴痘病图片）

人脸识别系统(已经建立人脸库) 人脸识别步骤： 1. 从摄像头抓取一帧图片。 2. 转换彩色图片帧为灰度图片帧。 3. 检测灰度图片帧的人脸。 4. 处理图片以显示人脸区域（使用 cvSetImageROI() 和 cvCopyImage()）。 5. 预处理脸部图片。 6. 识别图片中的人

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。本文不是详细的实现过程和原理，而是一个设计方案，由艾孜尔江·艾尔斯兰撰稿。转载请标明出处。

LDP 算法是将与Kirsch 算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子，这将会导致中心灰度值不能很好的反映邻域局部特征信息，从而降低识别率。针对于此，本文提出了一种改进的局部定向模式(CLDP)算法。该算法在LDP 的基础上，去掉邻域灰度值为负值的因子，对中心灰度值进行重新编码，由于该编码值是将与Kirsch 算子运算后的正值值作为图像边缘输出，使中心灰度值能很好反映邻域的局部特征信息，从而提高人脸的识别率。本文还将提出的CLDP 算法用在YALE，ORL，JAFFE 等人脸数据库中进行人脸识别。从实验的结果表明，该方法识别性能较LDP算法，LDN 算法以及ELDP 算法