脚本工具类，使用Java语言调用，也可以单独使用。 使用opencv-python +pytesseract 身份证识别正反面，包含姓名、身份证号、性别、详细地址。 1、所需库：pytesseract.py 安装：pip3 install pytesseract pip3 install opencv-python==3.4.8.29 2、中文文字识别（下载chi_sim.traineddata中文文字库：https://tesseract-ocr.github.io/tessdoc/Data-File

iPhone正面轮廓素材透明图免扣 历代型号7、X、11、12、13

眼镜是人脸图像中最常见的遮挡物，它对识别率的影响很大。为了提高戴眼镜人脸图像的识别率，提出了一个从正面人脸图像中提取并摘除眼镜的方法。通过一个自适应二值化的方法，检测了正面人脸图像中眼镜遮挡的部分。经过迭代的误差补偿方法，合成了对应输入图像的不戴眼镜的正面人脸图像。实验结果表明：该方法能有效地合成无眼镜的正面人脸图像。原始戴眼镜人脸图像的识别率是50.1%，合成的无眼镜正面人脸图像的识别率是99.4%。

情感分析（Python3） 目录 项目描述 挑战包括将Yelp，IMDB和Amazon的产品评论归为正面还是负面； 给定评论评论的文本作为输入。 本练习的重点是机器学习中称为自然语言处理的一个领域。 目的是根据文字预测情绪-陈述背后的情感意图。 例如，句子：“这部电影太可怕了！” 拥有负面情绪，而“喜欢这部电影杰作”则具有正面情绪。 为了简化任务，我们将情感视为二进制：标签1表示句子具有正面情绪，标签0表示句子具有负面情绪。 数据集 数据集分为三个文件，代表三个不同的来源-Amazon，Yelp和IMDB。 任务是使用Yelp和IMDB数据作为训练集构建情感分析模型，并在Amazon数据上测试模型的性能。 每个文件都可以在输入目录中找到，并且包含1000行数据。 每行包含一个句子，一个制表符和一个标签-0或1。 技术领域 请参阅requirements.txt文件以获取完整的Pyth

自然语言处理数据集7000—多条酒店评论数据5000多正面-2000多负面 情感/观点/评论 倾向性分析 携程网来源

安全生产标准化档案盒标签(正面格式).doc

正面评价词语 负面情感词语 正面情感词语 积极评价词语 消极情感词语 褒义情感词语

正面化 该代码在给定地标的情况下实现了人脸正面化方法。这是python代码，是对以下matlab代码的重新实现： : Tal Hassner，Shai Harel *，Eran Paz *和Roee Enbar，无约束图像中的有效人脸正面化，IEEE Con​​f。 计算机视觉和模式识别（CVPR），波士顿，2015年6月。算法学分属于他们。 我实现它是因为我不喜欢阅读matlab代码-您为了使代码运行，您需要： 编译dlib python代码： ://dlib.net/ 从以下位置下载shape_predictor_68_face_landmarks.dat文件： : 安装python依赖项

IMDB_TextAnalysis 通过IMDB数据集评论上的训练模型将输入文本分为正面还是负面。

自己做的作业喜欢的 看看，我感觉不错，拿来了分享