haarcascade_frontalface_alt2.xml、haarcascade_eye.xml、haarcascade_fullbody.xml、haarcascade_smile.xml等各种opencv分类器。
2024-03-11 10:07:46
1.34MB
1
chinese_text_classification
通过一个中文文本分类问题系统实现了各种分类方法
数据来源
数据搜狗新闻
类别
有汽车，娱乐，军事，体育，技术五种类别。原始数据比较大，没有上传，分词，去除重组词之后的数据放在processed_data文件夹下。
分类算法
主要实现了以下分类算法：
NB（朴素贝叶斯）
支持向量机
快速文本
text_CNN
text_RNN
text_RCNN
text_Bi_LSTM
text_Attention_Bi_LSTM
HAN（分层注意网络）
埃尔莫
分类准确率
分类准确率都在90％附近，没有进行过多预处理，只为熟悉算法的使用。
依赖库
基于tensorflow2.0实现，可以在win和linux下运行。觉得有用的点个赞，谢谢。
2022-03-02 22:16:24
6.73MB
1
前言
本文介绍的分类方式可能比较繁琐，因为它是采用华为云比赛的提交模式进行的。简洁的分类版本点击这里：
1.图像分类的更多tricks（注意力机制 keras，TensorFlow和pytorch 版本等）：
2.大家如果对目标检测比赛比较感兴趣的话，可以看一下我这篇对目标检测比赛tricks的详细介绍：
3.目标检测比赛笔记：
增添内容
已修改成本地可以运行。
修改方法：
1.save_model.py|train.py|eval.py|run.py|中moxing.framework.file函数全部换成os.path和shutil.copy函数。因为python里面暂时没有moxing框架。
2.注释掉run.py文件里面的下面几行代码：
# FLAGS.tmp = os.path.join(FLAGS.local_data_root, 'tmp/')
# print(FLAGS.t
2021-10-30 22:32:37
136KB
1
本文实例讲述了Python使用sklearn库实现的各种分类算法简单应用。分享给大家供大家参考，具体如下：
KNN
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
def KNN(X,y,XX)：#X,y 分别为训练数据集的数据和标签，XX为测试数据
model = KNeighborsClassifier(n_neighbors=10)#默认为5
model.fit(X,y)
predicted = model.predict(XX)
return predicted
SVM
f
2021-09-20 15:49:56
44KB
1
主要介绍了Python使用sklearn库实现的各种分类算法,结合实例形式分析了Python使用sklearn库实现的KNN、SVM、LR、决策树、随机森林等算法实现技巧,需要的朋友可以参考下
2021-07-28 15:48:45
43KB
1
OpenCV的haarcascades 各种分类器xml文件,训练好的分类器，有人脸，人眼，鼻子，口嘴。在github找的话，又麻烦，又难搞，关键是速度很慢，几乎要崩溃。不如直接在CSDN上面下载，一切都简单了。
2021-05-08 23:57:39
12.9MB
1