recognition 第22页

iOS 百度语音+二维码生成

import"BDRecognizerViewDelegate.h"#import"BDRecognizerViewController.h"#import"JSONKit.h"#import"BDVoiceRecognitionClient.h

YQ_苍穹·2023-04-19 01:26

whisper

RobustSpeechRecognitionviaLarge-ScaleWeakSupervision介绍大规模弱监督的训练。

ctrlcvKing·2023-04-18 22:40

Python实时音频识别与处理——让上网课不再单调

Python实时语音识别转字幕实现原理用speech_recognition库获得实时电脑音频输入，用requests和json库将生成的语音文件上传至百度的云语音识别服务器进行识别，返回结果用wx库显示为字幕

EricFrenzy·2023-04-18 22:36

学习实践-Whisper语音识别模型实战（部署+运行）

1、Whisper内容简单介绍OpenAI的语音识别模型Whisper，Whisper是一个自动语音识别（ASR，AutomaticSpeechRecognition）系统，OpenAI通过从网络上收集了

李卓璐·2023-04-18 22:33

OCR技术大揭秘：纸质文档数字化的新选择

引言OCR（OpticalCharacterRecognition）即光学字符识别技术，是一种将纸质或电子文档中的印刷文字转化为可编辑和可搜索的数字文本的技术。

海碗吃饭·2023-04-18 15:40

SlowFast Networks for Video Recognition速读笔记

(一)Title(二)KeyPoints提出结合使用slowpathway和fastpathway。slowpathway慢帧率,主要关注空间信息从图像或者稀疏的帧中提取语义信息fastpathway减少通道数,lightweight,快帧率,更多地关注动作随时间的变化信息时间速率很快,轻量级,较弱的处理空间信息的能力。不需要temporalpooling快慢结合带来了检测结果上的提升。(三)Me

不知道叫啥好一点·2023-04-18 14:26

20组-Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset

论文截图摘要由于目前行为分类（actionclassification）方面的数据集（UCF-101和HMDB-51）很缺乏，使得识别视频中的行为分类这一任务没有很好的解决方案，目前大多数的方法性能都很相近。基于此本文提出了一个新的行为分类的数据集——Kinetics。Kinetics比现有的数据集大两个数量级，包括400个行为类别，每个类别有超过400个片段，同时分析了现有方法在这个数据集上的性

召召召·2023-04-18 11:11

用于端到端语音识别的文本数据多任务训练

论文MULTITASKTRAININGWITHTEXTDATAFOREND-TO-ENDSPEECHRECOGNITION摘要论文提出了一种基于注意力的端到端语音识别模型的多任务训练方法，以更好地整合语言级别的信息

尚歌·2023-04-18 10:31

ICASSP 2022 | 标点恢复——一套可以同时服务单模态和多模态文本的标点恢复框架

导读在信息时代，自动语音识别技术(AutomaticSpeechRecognition，ASR)已成为互联网领域一大典型应用，尤其是在智能手机等设备上，语音识别功能已经成为标配。

TechBeat人工智能社区·2023-04-18 10:30

2020-08-17

FiberCeramicFerruleSpecialtyCarbonBlackAircraftAuxiliaryPowerUnit(APU)RigandOilfieldMatsFaucetFaceRecognitionSystemsElectricalDesignSoftwareFoundryBinderOutsourcedSemiconductorAssemblyandTest

安兮安兮·2023-04-18 09:57

An End-to-End Visual-Audio Attention Network for Emotion Recognition in User-Generated Videos阅读笔记

Abstract用户生成视频中的情感识别在以人为本的计算中起着重要的作用。现有的方法主要采用传统的两层浅层管道，即提取视觉和/或音频特征和训练分类器。在本文中，我们提出了一种基于卷积神经网络（CNNs）的端到端识别视频情绪的方法。具体来说，我们开发了一个深度视觉音频注意网络（VAANet），这是一种新的架构，它将空间、通道级和时间注意整合到视觉3DCNN中，并将时间注意整合到音频2DCNN中。此外

Encounter84·2023-04-18 09:54

Cross Attentional Audio-Visual Fusion for Dimensional Emotion Recognition阅读笔记

Abstract摘要——多模态分析最近引起了人们对情感计算的极大兴趣，因为它可以提高情感识别相对于孤立的单模态方法的整体准确性。最有效的多模态情绪识别技术有效地利用各种免费的信息源，例如面部、声音和生理模式，以提供全面的特征表示。在本文中，我们专注于基于从视频中提取的面部和声音模态融合的维度情绪识别，其中可以捕获复杂的时空关系。大多数现有的融合技术依赖于循环网络或传统的注意机制，这些机制不能有效地

Encounter84·2023-04-18 08:17

【附代码】SSVEP解码算法 - 多变量同步指数（MSI）

“MultivariatesynchronizationindexforfrequencyrecognitionofSSVEP-basedbrain–computerinterface.”Journalofneu

IT - 边缘人·2023-04-18 01:34

VGG论文翻译及复现

details/127852595论文地址：https://arxiv.org/abs/1409.1556VERYDEEPCONVOLUTIONALNETWORKSFORLARGE-SCALEIMAGERECOGNITION

fakerth·2023-04-17 22:27

2019-05-04 mac配置python开发环境

最近在看一些关于机器学习中人脸识别的内容，想要运行下face_recognition，因此需要Python的运行环境，所以搭建了Python开发环境，这里记录下，方便大家学习。

singleshen·2023-04-17 18:51

论文阅读：One-Shot Video Object Segmentation

论文名字One-ShotVideoObjectSegmentation来源2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR)年份2017.4.13

三金samkam·2023-04-17 16:26

Rare Chinese Character Recognition by Radical Extraction Network 笔记

RareChineseCharacterRecognitionbyRadicalExtractionNetwork笔记声明：仅翻译部分内容，若阅读体验不佳，还请见谅摘要：首先提取和识别基础的Graphicalcomponents

rufuss·2023-04-17 10:15

树莓派python手势识别控制_树莓派opencv python 实例教程二手势识别 Hand Gesture Recognition...

调整屏幕亮度会改变结果。尽量将手完全放在盒子里，避免手臂或手腕进入盒子(因为它会改变面积比)。使用范围值完成，因此可能适用于不同的人的不同颜色范围。importcv2importnumpyasnpimportmathcap=cv2.VideoCapture(0)while(1):try:#anerrorcomesifitdoesnotfindanythinginwindowasitcannotfi

weixin_39614754·2023-04-17 08:45

SFSpeechRecognitionTask.error 错误码对照表

iOS语音识别引擎中常见错误对照表加注释了errorAnerrorobjectthatspecifiestheerrorthatoccurredduringaspeechrecognitiontask.iOS10.0

司小文·2023-04-17 05:32

半监督动作识别(Semi-Supervised Action Detection)部分论文汇总

TimeBalance:Temporally-InvariantandTemporally-DistinctiveVideoRepresentationsforSemi-SupervisedActionRecognition

xiongxyowo·2023-04-17 02:50

Easter2.0:tensorflow源码转pytorch

论文题目：Easter2.0:IMPROVINGCONVOLUTIONALMODELSFORHANDWRITTENTEXTRECOGNITION论文地址：https://arxiv.org/pdf/2205.14879

方水云·2023-04-17 01:56

whisper:robust speech recognition via large-sacle weak supervision

OpenAIWhisper精读【论文精读·45】_哔哩哔哩_bilibili更多论文：https://github.com/mli/paper-reading,视频播放量68331、弹幕量327、点赞数2332、投硬币枚数1192、收藏人数983、转发人数394,视频作者跟李沐学AI,作者简介，相关视频：自动识别讲座、访谈录音——Python开源whisper语音识别，ChatGPT原理剖析李宏毅

Kun Li·2023-04-16 21:14

经典transformer视觉模型总结

VisionTransformer模型ViT:ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE是2020年Google团队提出的将

嵌入式视觉·2023-04-16 14:43

注意力机制之Efficient Multi-Head Self-Attention

论文：lResT:AnEfficientTransformerforVisualRecognition模型示意图：本文解决的主要是SA的两个痛点问题：（1）Self-Attention的计算复杂度和n（

深度学习的学习僧·2023-04-16 13:39

如何大批量扫描的发票进行ocr识别导出Excel表格和WPS表格

OCR技术：OCR（OpticalCharacterRecognition，光学字符识别）是将数字图像中的文字识别成字符代码的技术，在发票识别中应用广泛。

帅气的咕嘎·2023-04-16 13:18

Free for photo container detection, container damage detect PaaS

ThecontainernumberrecognitionAPIisfree,CIMCAIENGINE™containerAIplatformcanbeuse

中集飞瞳CIMCAI·2023-04-16 10:55

【论文阅读】Fully convolutional networks for semantic segmentation

DarrellT.Fullyconvolutionalnetworksforsemanticsegmentation[C]//ProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition

w-here·2023-04-16 06:14

demo

importface_recognitionimportcv2#获取面部numpy对象image=face_recognition.load_image_file('9无.jpg')#print(image

butters001·2023-04-16 00:59

【飞桨PaddleSpeech语音技术课程】— 语音唤醒

自动语音识别（AutomaticSpeechRecognition,ASR）是一种

小湉湉·2023-04-15 21:46

3D点云识别安全吗? 学界提出健壮性分析数据集：ModelNet40-C

论文：BenchmarkingRobustnessof3DPointCloudRecognitionAgainstCommonCorruptions论文地址:https://arxiv.org/abs/

Amusi（CVer）·2023-04-15 19:52

iOS开发-Siri预研

Siri介绍Siri是一款苹果iOS系统提供的智能语音助手软件，它的全名是SpeechInterpretationandRecognitionInterface。

林神_iOS·2023-04-15 10:31

DFL-CNN

LearningaDiscriminativeFilterBankwithinaCNNforFine-grainedRecognition--2018cvprGitHub：https://github.com

喜欢早起的陈萌·2023-04-15 04:31

ST-GCN 论文解读

论文名称：SpatialTemporalGraphConvolutionalNetworksforSkeleton-BasedActionRecognition论文下载：https://arxiv.org

想不出昵称呀·2023-04-15 03:15

### 论文精读——An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recogniti

论文精读——IIP-Transformer:Intra-Inter-PartTransformerforSkeleton-BasedActionRecognition近期在做基于关键点的人体动作识别研究

Jason_____Wang·2023-04-15 03:10

Channel-wise Topology Refinement Graph Convolution for Skeleton-Based Action Recognition[ICCV2021]

content/ICCV2021/papers/Chen_Channel-Wise_Topology_Refinement_Graph_Convolution_for_Skeleton-Based_Action_Recognition_ICCV

Iron_lyk·2023-04-15 03:40

CTR-GCN 论文解读

论文名称：Channel-wiseTopologyRefinementGraphConvolutionforSkeleton-BasedActionRecognition论文下载：https://arxiv.org

想不出昵称呀·2023-04-15 03:39

gpt openai_OpenAI的GPT —第1部分：公开GPT模型

gptopenaiLanguagemodelinginNLPtriestosolveanumberoftaskssuchastextsummarization,speechrecognition,OpticalCharacterRecognition

weixin_26752075·2023-04-14 17:08

【毕业设计/Matlab系列】基于PCA和BP神经网络的人脸识别系统GUI

1、总体介绍FaceRecognitionByBPneuralnetwork.m:采

飞翔的鲲·2023-04-14 14:44

An Image is Worth 16×16 Words：Transformers for Image Recognition at Scale（ViT，ICLR2021）

写进メ诗的结尾。·2023-04-14 05:17

Android动态库出错位置定位

toolchains/arm-linux-androideabi-4.9/prebuilt/darwin-x86_64/bin/arm-linux-androideabi-addr2line-elibgesture_recognition

JustWonder·2023-04-14 04:47

PCA-LDA：PCA versus LDA for face recognition

PCA-LDA：PCAversusLDAforfacerecognitionPCA与LDA在人脸识别中的比较PCA-LDA：PCAversusLDAforfacerecognitionAbstract1INTRODUCTION2LOCALIZATIONANDMORPHINGOFFACEIMAGES3THEPCASPACE4THELDASPACE5EXPERIMENTALRESULTS5.1Smal

显然易证·2023-04-14 02:03

2022高考英语：108个高分句型，精心整理，满满成就感！

【英语“108”】开头句入门1.Nowthereisagrowingawareness/recognitionofthenecessityto...如今，人们越来越意识到……的必要性。

高中生惊喜社·2023-04-13 22:33

【赛事推荐】ICDAR2023国际学术竞赛，六大OCR未解难题等你来挑战！

关注公众号，发现CV技术之美ICDAR（InternationalConferenceonDocumentAnalysisandRecognition）是全球文档图像分析识别领域公认的权威学术会议，从1991

我爱计算机视觉·2023-04-13 17:28

【深度学习】经典算法解读及代码复现AlexNet-VGG-GoogLeNet-ResNet(一)

ILSVRC全称ImageNetLarge-ScaleVisualRecognitionChallenge，是视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平。

Sciengineer-Mike·2023-04-12 23:18

如何把表格做成源代码_首次同时开源表格检测和表格结构识别数据集

为了让机器“读”懂文档中的表格，微软亚洲研究院自然语言计算组发表了一篇论文“TableBank:TableBenchmarkforImage-basedTableDetectionandRecognition

茜茜丁·2023-04-12 22:30

OCR之表格结构识别综述

Liekkas Kono·2023-04-12 22:56

深度解析MFCC特征提取

一、MFCC概述在语音识别（SpeechRecognition）和话者识别（SpeakerRecognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequencyCepstralCoefficients

SeaShawnChan·2023-04-12 22:14

2022-01-04

论文阅读：《ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE》论文地址：https://arxiv.org/abs/2010.11929

queen坤坤女王·2023-04-12 20:23

Transformer for image recognition at scale论文阅读笔记

原论文链接：https://openreview.net/forum?id=YicbFdNTTy摘要因为transformer已经成为NLP任务中标准的方法了，但是在计算机视觉中的应用还是有限，但是注意力机制在图像中也可以应用，可以是纯attention，也可以是结合CNN的，所以CNN并不是必要的。VIT（visiontransformer）的提出已经在很多评价标准上成为了SOTA的方法，并且训

骑驴去学习·2023-04-12 14:23

Transformer论文阅读：ViT算法笔记

标题：AnImageisWorth16x16Words:TransformersforImageRecognitionatScale会议：ICLR2021论文地址：https://openreview.net

Frankenstein@·2023-04-12 14:51

推荐频道

recognition