人工智能
文章平均质量分 94
武溪嵌人
这个作者很懒,什么都没留下…
展开
-
车牌识别easypr的详细介绍
更新:基于keras-tensorflow的车牌识别,HyperLPR是一个基于Python的使用深度学习针对对中文车牌识别的实现,与开源的EasyPR相比,它的检测速度和鲁棒性和多场景的适应性都要好于EasyPR。来自:计算机的潜意识非常详细的讲解车牌识别EasyPREasyPR--一个开源的中文车牌识别系统我正在做一个开源的中文车牌识别系统,Git地址为:https://github.com/liuruoze/EasyPR。 我给它取的名字为EasyP...转载 2021-04-24 15:47:42 · 2826 阅读 · 0 评论 -
yolo.h5文件问题的解决 - 吴恩达深度学习:目标检测之YOLO算法
在吴恩达深度学习系列视频:卷积神经网络第三周作业中,加载预训练模型时:yolo_model = load_model("model_data/yolo.h5")1你会遇到yolo.h5文件找不到的情况,而当你去网上下载了一个yolo.h5文件时,可能会遇到unknown opcode等其他错误。下面让我们来自己生成一个全新的yolo.h5文件。下载预训练的权重:Linuxwget http://pjreddie.com/media/files/yolo.weights1转载 2020-12-24 18:33:59 · 3709 阅读 · 1 评论 -
ubuntu2004安装opencv,支持python接口
opencv下载https://github.com/opencv使用cmake-gui配置需要安装numpysudo apt-get install python-numpy另外一个就是,如果编译时使用了编译选项:-D BUILD_opencv_world=NO 那么最后在build下面的lib文件夹下也找不到cv2.so的cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D INS原创 2020-12-09 20:01:11 · 638 阅读 · 1 评论 -
OpenCV3训练人脸检测分类器生成XML文件的过程
OpenCV训练自己的分类器注:本文举得是一个训练人脸分类器的例子,亲自试验过,采用的是opencv3.41.准备训练样本看网上说正负样本比例为1:3最佳;尺寸为20x20最佳附上人脸训练的数据集的下载链接:https://pan.baidu.com/s/1AxoIMFycfpeIMtDYHz4RBw提取码:rap71.1 正样本训练样本的尺寸为20*20(opencv推荐的最佳尺寸),且所有样本的尺寸必须一致。如果不一致的或者尺 寸较大的,可以先将所有样本统一缩放到20x20。以下是提供的正样本转载 2020-11-25 14:27:34 · 3753 阅读 · 0 评论 -
级联分类器训练
原文见:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html级联分类器训练介绍级联分类器包括两部分:训练和检测。 检测部分在OpenCVobjdetect模块的文档中有介绍,在那文档中给出了一些级联分类器的基本介绍。这个指南是描述如何训练分类器:准备训练数据和运行训练程序。重点注意事项OpenCV中有两个程序可以训练级联分类器:opencv_haartrainingand...转载 2020-11-25 11:06:22 · 524 阅读 · 0 评论 -
go编译环境安装
Go的三种安装方式Go源码安装:这是一种标准的软件安装方式Go标准包安装:Go提供了方便的安装包,支持Windows、Linux、Mac等系统。这种方式适合快速安装,可根据自己的系统位数下载好相应的安装包,一路next就可以轻松安装了。第三方工具安装:目前有很多方便的第三方软件包工具,例如Ubuntu的apt-get、Mac的homebrew等。这种安装方式适合那些熟悉相应系统的用户。最后,如果你...转载 2018-02-25 16:31:15 · 1180 阅读 · 0 评论 -
ubuntu交叉编译arm架构离线下载工具aria2
最新aria2下载:aria2 github1.下载并解压最新的aria2wget https://github.com/aria2/aria2/releases/download/release-1.33.1/aria2-1.33.1.tar.bz2tar -jxv -f aria2-1.33.1.tar.bz2122.编译并安装cd aria2-1.33.1./configure CP...原创 2018-03-15 12:13:10 · 1948 阅读 · 0 评论 -
NLP+VS︱深度学习数据集标注工具、图像语料数据库、实验室搜索ing...
~~因为不太会使用OpenCV、matlab工具,所以在找一些比较简单的工具。 . .一、NLP标注工具BRAThttp://blog.csdn.net/liuheng0111/article/details/72813349BRAT是一个基于web的文本标注工具,主要用于对文本的结构化标注,用BRAT生成的标注结果能够把无结构化的原始文本结构化,供计算机处理。转载 2018-01-29 20:32:51 · 1650 阅读 · 0 评论 -
深度学习资料(一)
持续更新原文地址:http://blog.csdn.net/hjimce/article/details/45421595作者:hjimce一、学习清单1、综合类(1)收集了各种最新最经典的文献,神经网络的资源列表:https://github.com/robertsdionne/neural-network-papers 里面包含了深度学习领域经典、以及转载 2018-01-29 11:09:11 · 363 阅读 · 0 评论 -
TensorFlow 安装教程:RK3399上运行谷歌人工智能
从AlphaGo大胜李世石后,谷歌的人工智能备受关注。人工智能好像离我们好远,深度学习算法貌似非常复杂。但其实看看你的手机上的语音助手,相机上的人脸识别,今日头条上帮你自动筛选出来的新闻,还有各大音乐软件的歌曲“每日推荐”……形形色色的AI早已进入我们生活的方方面面。深刻的影响了着我们,可以说,这是一个AI的时代。 其实早在去年年底,谷歌就开源了转载 2018-01-08 20:18:39 · 2081 阅读 · 1 评论 -
史上最全的机器学习资料
摘要: 机器学习牵涉的编程语言十分之广,包括了MATLAB、Python、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习,云栖社区组织翻译了GitHub Awesome Machine Learning 资源,涵盖24种编程语言的机器学习的框架、库以及其他相关资料。https://yq.aliyun.com/articles/43089?spm=5176.10023转载 2017-12-03 09:34:36 · 623 阅读 · 0 评论 -
史上最全的机器学习资料
摘要: 机器学习牵涉的编程语言十分之广,包括了MATLAB、Python、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习,云栖社区组织翻译了GitHub Awesome Machine Learning 资源,涵盖24种编程语言的机器学习的框架、库以及其他相关资料。https://yq.aliyun.com/articles/43089?spm=5176.10023转载 2017-12-03 09:34:25 · 2175 阅读 · 0 评论 -
机器学习(Machine Learning)&深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)注:机器学习资料篇目一共500条,篇目二开始更新https://github.com/ty4z2008/Qix/blob/master/dl.md希望转载的朋友,你可以不用联系我.但是一定要保留原文链接,因为这个项目还在继续也在不定期更新.希望看到文章的朋友能够学到转载 2017-12-02 22:52:04 · 2245 阅读 · 0 评论 -
计算机视觉研究群体及专家主页汇总
做机器视觉和图像处理方面的研究工作,最重要的两个问题: 其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献),解决第二个问题的办法是你最好能够找到一个实际应用的项目,边做边写文章。 做好这几点的途径之一就是利用网络资源,利用权威网站和专转载 2017-03-15 17:22:35 · 606 阅读 · 0 评论 -
15款顶级的开源人工智能工具推荐
15款顶级的开源人工智能工具推荐这些开源人工智能应用软件处在人工智能研究领域的最前沿。人工智能是技术研究领域最炙手可热的领域之一。IBM、谷歌、微软、Facebook和亚马逊等公司正投入巨资进行研发,并纷纷收购在机器学习、神经网络、神经语言和图像处理等领域取得进展的初创公司。考虑到人工智能如此受关注,斯坦福大学的专家最近撰写的一份智能研究报告得出结论:“现在到2030年人工智能转载 2017-03-15 09:40:28 · 677 阅读 · 0 评论