Recognition）第15页

2019-07-11 人工智能-图像识别项目分析-基于tensorflow的视频物品检测

选题：基于tensorflow的视频物品检测Real-TimeObjectRecognitionAppwithTensorflowandOpenCV一个实时对象识别应用程序1.准备工作软件：PyCharm

LingSmart·2023-08-28 09:56

人工智能项目集合推荐(数据集模型训练 C++和Android部署)

AI吃大瓜·2023-08-28 09:51

LONG-TAILED RECOGNITION 精读

re-samplethedata重采样designspecificlossfunctionsthatbetterfacilitatelearningwithimbalanceddata设计针对不平衡数据的损失函数enhancerecognitionperformanceofthetailclassesbytransferringknowledgef

银晗·2023-08-27 15:31

免费OCR图像识别文字识别API

OCR图像识别文字识别API一、OCR图像识别文字识别二、使用步骤1、接口2、请求参数3、请求参数示例4、接口返回示例三、温馨提示一、OCR图像识别文字识别光学字符识别（OpticalCharacterRecognition

六月的可乐·2023-08-27 11:24

【OCR识别】tess4j图片识别文字

OCR（OpticalCharacterRecognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程项目中集成

小星星*·2023-08-26 19:59

我的创作纪念日

成就分享一段不错的代码（face_recognition库实现

m0_68949064·2023-08-26 10:45

视频数据集 | 视频动作识别video recognition常用数据集整理

二视频分类数据集1.HMDB51来源：HMDB:alargehumanmotiondatabase类型：Actionrecognition年份：2011论文：paper数据：51种动作类别，6,766个视频片段

与阳光共进早餐·2023-08-26 07:57

python图片提取文字软件_这款Python 库 4行代码提取图片中的文字

OCR的全称叫作“OpticalCharacterRecognition”，即光学字符识别。这算是生活里最常见、最有用的AI应用技术之一。

从一小姐·2023-08-26 02:42

2019-06-09

1.RecurrentPoissonProcessUnitforSpeechRecognitionAAAI2019用RNN结合PoissonProcess做语音识别以前的方法都是直接用RNN做的，把信号表示为离散的点本文也是用

wwang945·2023-08-26 00:23

gradio使用transformer模块demo介绍1：Text & Natural Language Processing

文章目录文本生成TextGeneration自动完成Autocomplete情感分析SentimentAnalysis命名实体识别NameEntityRecognitionNER多语种翻译文本生成TextGenerationimportgradioasgrfromtransformersimportpipelinegenerator

Cachel wood·2023-08-25 22:42

[语音识别] 基于Python构建简易的音频录制与语音识别应用

本文将首先概述一些音频基础概念，然后详细讲解如何利用PyAudio库和SpeechRecognition库实现音频录制功能。最后，构建一个简单的语音识别示例应用，该应用程序可以实时监听音

落痕的寒假·2023-08-25 09:51

【一分钟学会】用python做一个语音对话ChatGPT的程序——打造私人语音助手

Cozy_maple·2023-08-25 02:28

（CVPR-2023）用于步态识别的动态聚合网络

用于步态识别的动态聚合网络paper题目：DynamicAggregatedNetworkforGaitRecognitionpaper是BIT发表在CVPR2023的工作paper地址：链接Abstract

顾道长生'·2023-08-24 12:04

学习日记之人脸识别第一天 2020-6-10

OS:Win10用到的库：face_recognition按照微信公众号“菜鸟学Python”的文章操作：https://mp.weixin.qq.com/s/QyBQhQto2sx6lpdG8-4ejA

yatesLiu007·2023-08-24 04:48

2021-07-15-对话模型整理

2021AAAI_DialogXL:All-in-OneXLNetforMulti-PartyConversationEmotionRecognition：情感识别，更改模式后可更好识别到情感,文中有dialog-awareself-attention

舟舟洋·2023-08-24 00:21

天若OCR：超级实用的图片转文字识别软件！

二、OCROpticalCharacterRecognition，光学字符识别,简称OCR,通俗的说就是通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

智慧沙漏少东家·2023-08-23 23:10

机器学习（六）卷积神经网络

zhuanlan.zhihu.com/p/27908027https://zhuanlan.zhihu.com/p/42559190数据集来源：kaggle：StanfordDogsDataset，kaggle：FlowersRecognition

rgb2gray·2023-08-23 17:35

山东大学项目实训四——Face_Recognition 使用Opencv和Dlib实现基于视频的人脸识别

Face_Recognition使用Opencv和Dlib实现基于视频的人脸识别文件夹介绍1、Resources\pictures此文件夹下存放人脸保存结果2、Resources\video此文件夹下存放带标注视频保存结果

fangjiayou·2023-08-23 06:06

小程序 - 人脸核验遇到的问题 startFacialRecognitionVerifyAndUploadVideo:fail:access denied

目录报错-没有权限代码解决【补充】接口调用正常页面展示报错-没有权限{"errno":102,"errMsg":"startFacialRecognitionVerifyAndUploadVideo:fail

Fighting_p·2023-08-22 15:31

基础论文学习（1）——ViT

VisionTransformer（ViT）模型架构是在ICLR2021上作为会议论文发表的一篇研究论文中介绍的，题为“AnImageisWorth16*16Words:TransformersforImageRecognitionatScale

Yuezero_·2023-08-22 10:21

[ECCV 2022] VL-LTR: Learning Class-wise Visual-Linguistic Representation for LTR

ContentsIntroductionMethodologyClass-wiseVisual-LinguisticPre-training(CVLP)Language-GuidedRecognitionExperimentsReferencesIntroduction

连理o·2023-08-22 08:06

windows安装使用 tesseract-ocr

OCR（Opticalcharacterrecognition，光学字符识别）是一种将图像中的手写字或者印刷文本转换为机器编码文本的技术。

raoxiaoya·2023-08-22 05:51

bert模型可以做文本主题识别吗_「NLP-NER」如何使用BERT来做命名实体识别

命名实体识别(NamedEntityRecognition，NER)是NLP中一项非常基础的任务。NER是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要基础工具。

weixin_39662228·2023-08-22 05:16

python SpeechRecognition 怎么使用

使用python的SpeechRecognition库来识别语音可以分为以下几步：安装SpeechRecognition库：在终端或命令行中运行pipinstallSpeechRecognition导入库

一点旧一点新·2023-08-21 21:22

Python语言实现语音转换文字--附完整源码

准备工作需要安装pyaudio、SpeechRecognition两个库。其中，pyaudio为Python语音处理库，SpeechRecognition则为语音识别库。代码实现imp

uoiqu90093jgj·2023-08-21 21:51

github语音识别对对_【记录】语音识别软件包、代码示例、数据集汇集

watson-developer-cloud•wit（1）librosa：python，视频与音乐分析链接：https://github.com/librosa/librosa（2）ASRT_SpeechRecognition

小熊饼干yy·2023-08-21 21:51

通过Python的speech_recognition库将声音转为文字

使用方法1.引入库2.创建一个Recognizer对象3.使用麦克风录音，从麦克风录制音频4.将音频转换为文字5.转换结果总结前言大家好，我是空空star，本篇给大家分享一下通过Python的speech_recognition

空空star·2023-08-21 21:21

基于视觉的仪表检测/指针仪表自动识别读数——论文解读

中文论文题目：基于关键点检测的指针仪表读数识别算法研究与应用英文论文题目：ResearchandApplicationofPointerMeterReadingRecognitionAlgorithmBasedonKeyPointDetection

大胡子大叔·2023-08-21 00:45

图片识别文字审核敏感词——Java

OCR（OpticalCharacterRecognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程管理敏感词和图片文字识别集成到项目

零维展开智子·2023-08-20 18:46

Bottleneck Transformers for Visual Recognition

谷歌和伯克利一起提出的BottleneckTransformer（BoT）属于一种hybridnetwork，将cnn和transformer结合起来，以期达到比二者单独使用更好的效果。BoT整体的想法其实比较简单，针对objectdetection、instancesegmentation等对输入图像尺寸要求较高的任务，普通的transformer（ViT）计算量和显存占用都很难做到大分辨率输入

nowherespyfly·2023-08-20 11:04

CVPR2023｜小红书提出 OvarNet 模型：开集预测的新SOTA，“万物识别”有了新玩法

在CVPR2023上，小红书社区技术团队提出了一项全新任务——Open-vocabularyObjectAttributeRecognition（面向开放词汇的目标检测与属性识别）。

小红书技术REDtech·2023-08-19 20:27

（论文总结）Temporal Pyramid Network for Action Recognition

一、大致介绍本文提取出了一个关注视频中动作快慢的网络，与SlowFast类似，但是SlowFast是将一个流分为两个帧率不同的分支最后再融合。而本文是结合了特征金字塔的思想来特征融合。二者有一定的区别，效果也再文中作出了对比。论文地址：2004.03548.pdf(arxiv.org)二、本文的结构2.1背景文中举了一个例子：walking，joggingandrunning，三种行走的速率不同，

10生万物·2023-08-19 19:03

（论文总结）SlowFast Networks for Video Recognition

文章目录一、传统的方法存在的问题1、没有将变化大和变化小的行为作出区分计算2、双流法的计算量和最后fc8的融合依旧是个问题二、本文的改进1、slow与fast两条路进行结合三、实验四、总结论文地址：论文官方代码：官方代码一、传统的方法存在的问题1、没有将变化大和变化小的行为作出区分计算（1）一个视频中的行为其实可以分为静态和动态的，一般认为做出行为的人是动态的，而背景是静态的，传统方法将静态和动态

10生万物·2023-08-19 19:33

（论文总结）Real-time Action Recognition with Enhanced Motion Vector CNNs

论文地址：https://arxiv.org/pdf/1604.07669.pdf代码地址：https://github.com/zbwglory/MV-release论文效果：基于双流网络，在精度保证损失很小的的情况下在UCF101上的FPS达到390.7（双流的FPS为14.3）要解决的核心问题：论文主要是基于双流网络来做的改进，双流网络有以下部分缺点：（1）光流（opticalflow）占据

10生万物·2023-08-19 19:32

（论文总结）Compressed Video Action Recognition

代码地址：https://github.com/chaoyuaw/pytorch-coviar一、摘要首先，深度神经网络尽管在图像任务中表现出了非常好的效果，但是在视频任务中由于存在时序问题，它有时候并不能发挥出最好的作用。传统的双流法采用光流来提取视频帧之间的运动差异信息，但是是针对整个视频来提取的，但是这里有个问题，视频在传输和读取的过程中占据了非常大的内存，只有通过编码（H264）将原始视频

10生万物·2023-08-19 19:02

图片文字识别-管理敏感词

目录什么是OCRTess4j案例图片文字识别-管理敏感词什么是OCROCR（OpticalCharacterRecognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，

sgmwgntw·2023-08-19 04:08

基于Python和Spacy的命名实体识别

命名实体识别（NamedEntityRecognition，简称NER）是一种自然语言处理（NLP）方法，用于检测和分类文本中的命名实体，包括人物、组织、地点、日期、数量和其他可识别的现实世界实体。

python慕遥·2023-08-19 01:28

用pytorch实现google net

它在ImageNetLargeScaleVisualRecognitionChallenge(ILSVRC)2014比赛中取得了优秀的成绩，并引起了广泛的关注。

天一生水water·2023-08-18 23:08

一篇一个CV模型，第(2)篇：ViT

参考资料：ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE[论文链接][论文源代码][写的比较好的PytorchViTTutorial

思念殇千寻·2023-08-18 18:53

人脸识别+mqtt完整代码

一、流程图二、完整代码：1.人脸识别importface_recognitionimportcv2importnumpyasnpimportosimportos.pathimportitertoolsimportmultiprocessingfromPILimportImage

笑问灶前粥可温·2023-08-18 17:20

提高transformer在语音识别的通用性

题目：Improvinggeneralizationoftransformerforspeechrecognitionwithparallelschedulesamplingandrelativepositionalembedding

静一下1·2023-08-18 13:09

语义分割之PSP-Net原理以及代码讲解

CVPR2017(IEEEConferenceonComputerVisionandPatternRecognition)论文地址：PyramidSceneParsingNetworkgithub地址：

xuzz_498100208·2023-08-18 08:00

论文阅读 - Large-scale weakly-supervised pre-training for video action recognition

5总结1概述本文是对论文Large-scaleweakly-supervisedpre-trainingforvideoactionrecognition的阅

七元权·2023-08-17 11:49

浅谈OCR中的David Shepard

在OCR（OpticalCharacterRecognition，光学字符识别）中，DavidShepard是一种早期的OCR技术，也被称为Shepard'sMethod。

pictoexcel·2023-08-17 09:27

AlexNet网络结构详解

2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf1、简介AlexNet是2012年ISLVRC(ImageNetLargeScaleVisualRecognitionChallenge

会害羞的杨卓越·2023-08-17 07:44

VGG16模型详解

VGG16在2014年的ImageNetLargeScaleVisualRecognitionChallenge(ILSVRC)竞赛中取得了显著的成绩。

夏天是冰红茶·2023-08-17 06:19

aspose.ocr 的图片识别

记录一些简单的识别图片操作首先需要导入相关依赖com.microsoft.onnxruntimeonnxruntime1.15.1基础的识别代码AsposeOCRapi=newAsposeOCR();RecognitionSettings

RyFit·2023-08-17 05:32

PyTorch从零开始实现ResNet

文章目录代码实现参考代码实现本文实现ResNet原论文DeepResidualLearningforImageRecognition中的50层，101层和152层残差连接。

阿正的梦工坊·2023-08-16 18:32

LeNet中文翻译

Gradient-BasedLearningAppliedtoDocumentRecognition基于梯度的学习应用于文档识别摘要使用反向传播算法训练的多层神经网络构成了成功的基于梯度的学习技术的最佳示例

緈福的街口·2023-08-16 13:18

[文献翻译]Temporal Segment Networks: Towards Good Practices for Deep Action Recognition

摘要：深度卷积网络在静态图像的视觉识别方面取得了巨大的成功。但是，对于视频中的动作识别，相对于传统方法的优势并不是那么明显。本文旨在设计有效的ConvNet架构来进行视频动作识别，并在有限的训练样本下学习这些模型。我们的第一项贡献是时间分段网络（TSN），这是一种基于视频的动作识别的新框架。这个结构是基于远程时间建模的思想。它结合了稀疏的时间采样策略和视频级的监督，可以使用整个动作视频进行有效的学

夏迪End·2023-08-16 10:40

推荐频道

Recognition）