上百份文字的检测与识别资源，包含数据集、code和paper

最新推荐文章于 2024-02-22 08:14:06 发布
最新推荐文章于 2024-02-22 08:14:06 发布
阅读量384 收藏
点赞数

 向AI转型的程序员都关注了这个号

大数据挖掘DT数据分析
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
天池阿里音乐流行趋势预测大赛全部核心代码
02-16
天池阿里音乐流行趋势预测大赛，项目中涵盖了从初赛到复赛的全部核心代码
基于大数据的音乐流行趋势预测及推荐分析（Python+Spring Boot+Node.js+MySQL）
毕业作品网站
07-19 929
Vue3.0（虽然是3.0，但还是2.0的写法）；数据库mysql8.x版本（没有的可以在官网下最新版https://www.mysql.com/downloads/）；Node.js版本>=14.1，在官网下载最新的LTS长期支持版本也可（https://nodejs.org/en/）；XML Format；Java主要使用IDEA，可以使用校园邮箱whut.edu.cn结尾的邮箱申请旗舰版，邮箱申请在智慧理工大可以申请，很快。前端的话我主要使用的是VS Code，，也可以使用web Storm等。
JData数据处理及高潜用户购买意向预测
热门推荐
xmg26的博客
02-05 1万+
竞赛概述： 本次大赛以京东商城真实的用户、商品和行为数据（脱敏后）为基础，参赛队伍需要通过数据挖掘的技术和机器学习的算法，构建用户购买商品的预测模型，输出高潜用户和目标商品的匹配结果，为精准营销提供高质量的目标群体。同时，希望参赛队伍能通过本次比赛，挖掘数据背后潜在的意义，为电商用户提供更简单、快捷、省心的购物体验。 数据介绍： 符号定义： S：提供的商品全集； P：候选的商品子
OCR开源库（文本区域定位和文本识别）：github
大数据挖掘DT数据分析
11-26 1491
向AI转型的程序员都关注了这个号
阿里音乐流行趋势预测大赛一起做-（2）weka初识
计算机视觉life
04-09 7003
本次比赛第一赛季我们团队大赛先用weka对数据进行预处理。weka是一款开源的，免费的，基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）软件。我非常喜欢这个软件，很容易上手，功能很强大，也不需要很多的编程，图形化做的比较好。打算在数据预处理上主要使用weka。
yolov7常用二维码检测检测+权重+数据集
03-21
包含训练好的二维码检测检测权重，以及PR曲线，loss曲线等等，在二维码检测数据集中训练得到的权重，目标类别为QR_code共1个类别，并附2000多张二维码检测检测数据集，标签格式为voc和yolo两种格式，分别保存在两个...
人脸表情识别数据集-CMU_PIE_Face-PIE和POSE子集
04-11
CMU Multi-PIE人脸数据库包含超过750,000张337人的图像，这些图像在五个月...资源包括PIE照明子集（1154张人脸灰度图，32*32）和三个Pose05、Pose07、Pose09子集（分别包括3332张、1629张、859张人脸灰度图，64*64）。
yolov8常用二维码检测检测+数据集
最新发布
04-24
包含训练好的二维码检测检测权重，以及PR曲线，loss曲线等等，在二维码检测数据集中训练得到的权重，有pyqt界面，目标类别为QR_code共1个类别，并附2000多张二维码检测检测数据集，标签格式为voc和yolo两种格式，...
YOLO二维码目标检测数据集
06-08
1、YOLO二维码目标检测数据集，近2300多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，可以直接用于YOLO系列的二维码...
yolov3常用二维码检测检测+权重+标注好的数据集
03-21
包含训练好的二维码检测检测权重，以及PR曲线，loss曲线等等，在二维码检测数据集中训练得到的权重，目标类别为QR_code共1个类别，并附2000多张二维码检测检测数据集，标签格式为voc和yolo两种格式，分别保存在两个...
阿里音乐流行趋势预测大赛程序
03-02
天池大赛第六名。这个赛题不是典型的分类、聚类问题，而是时间序列问题，这种时间序列问题，主要在于学习出周期性和趋势。为了达到学出周期性和趋势的目标，可以试用统计学中典型的时间序列模型如STL分解和ARIMA，这样的模型的优点是便捷，弱点是像个黑盒，不太便于添加更多特征。
天池大数据阿里流行音乐竞赛
weixin_34109408的博客
05-01 226
1、数据分析 2、规则模型 3、算法模型 4、总结 转载于:https://www.cnblogs.com/lxw003/p/6791930.html
阿里音乐预测小结1——用户分类与建模
weixin_30929295的博客
08-30 135
分类艺人：选取08月总值较高的14个艺人作为研究对象用户：根据袁光浩PPT中对第11个线路画的每个用户刷卡次数的统计表我们以用户user_id=b15e8846dc61824c1242a6b36796117b（播放量最高的艺人）为例，画出该艺人的用户183的播放量图像：（127135*0.995=126499.3）如下是将用户总小到大取前126499个用户的图像：横轴是用户按播放量从小到大的编号，...
京东JData算法大赛高潜用户购买意向预测——复现（并没有），提供数据集
weixin_30398227的博客
12-01 887
19-1-15更新，后面改了做法所以随笔烂尾了，具体内容不用看，想参考的可以看下面的参考链接另外提供数据集在百度云，希望能帮到大家链接: https://pan.baidu.com/s/1ojjVqjXS0cP2KAAyC-tsxg 提取码: semp一、前言 　　完全是重现别人的过程，学习思路和处理方式，仅供记录，具体请看参考链接，更完善清晰 　　参考链接　　　　　　ht...
基于大数据的音乐流行趋势预测及推荐分析 毕业论文+项目源码+爬虫源码+网页端源码+数据库sql文件+部署说明+演示视频
xiaoa全栈开发的博客
02-22 1341
系统实现用户对音乐评分的搜集（Python爬虫爬取数据），后端使用大教据推荐算法构造，前端使用MVC框架搭建大数据音乐推荐系统。系统教据序使用了关系型教据库MySQL。前端收集过用户行为数据后传到后端使用基于用户的协同过滤算法来推荐出用户可能喜欢的音乐。采用BS架构，使用Java程序设计语言、MySQL数据库、Hadoop离线分析、 java 开源工具Eclipse编写程序、Java的JRE运行环境、JSP页面等工具开发而来。 音乐流行趋势预测为企业预测未来流行音乐走向、预判黑马音乐提供了理论支撑和决策上
京东算法大赛-高潜用户购买意向预测（二）策略迭代
程序员架构进阶
04-14 8762
上一篇中介绍了以为热心参赛者的代码和流程。这篇将记录自己的策略更新过程。 一 数据特征统计分析 几个主要的点： （1）各类行为与转化（购买）之间的关联关系，包括浏览、加入购物车、关注 （2）已购商品的复购率 （3）性别与商品的关联程度 二 特征提取 包括用户特征，商品特征，和用户历史行为特征 三 模型构建 1、商品候选集确认 - 用户&相关商品，不应该是整
京东JData2017算法大赛高潜用户购买意向预测数据集下载
程序员的博客
03-14 1052
找了老半天，都没找到，要么链接过期，要么要收费，感觉这种东西收费不是很君子，毕竟这东西不是咱们自己产的嘛，感谢这位博主，下面是这位博主提供的下载链接 这位博主还提供了一些复现的思路，大家可以学习下 链接: https://pan.baidu.com/s/1ojjVqjXS0cP2KAAyC-tsxg 提取码: semp 再次感谢这位博主 希望对大家有帮助，如果能帮到大家，请大家给我来个赞吧！谢谢了！ ...
『阿里大数据竞赛』音乐流行趋势预测_不断更新
L聪记博客
05-14 4643
# 本文使用的语言是Python， 下面不再说明 # 本文禁止盈利性转载 一、数据预处理     1、读取数据     1.1 原始数据、测试数据与实际数据     什么叫原始数据？为什么要保留一份原始数据？     在读取数据之前我们要先保留一份原始数据， 并且在随后的处理的过程中不要对原始数据做任何操作。这样做的目的是为了避免在之后的过程中， 我们对数据进行了错误的修改，
使用于yolov5识别条形码的数据集
07-31
使用于Yolov5识别条形码的数据集需要满足以下几个要求： 1. 数据集包含有多种类型的条形码，如EAN-13、UPC-A、Code 128等。这些条形码类型应该覆盖常见的商品和产品。 2. 数据集应该有足够数量的条形码样本。样本的数量越多，模型对于不同类型和变体的条形码的泛化能力就越好。 3. 数据集中的图片应该包含真实世界的场景。例如，图片中可能存在其他噪声、光照变化、遮挡等因素，模型需要学会应对这些干扰因素。 4. 条形码在图片中的位置和尺寸应该有一定的变化。这样可以让模型学习到不同尺寸和位置的条形码，并能在实际应用场景中进行准确的检测和识别。 5. 数据集中的图片应该有相应的标签，包含条形码的位置信息和类型信息。这样可以用于训练模型进行目标检测和分类任务。 6. 数据集应该进行合理的划分，如将数据集分为训练集、验证集和测试集。这样可以用训练集进行模型训练，验证集进行模型调参和选择，测试集用于评估模型性能。 在构建这样的数据集时，可以通过在真实场景中收集条形码图片，并进行手工标注的方式来获取标签信息。此外，还可以通过在合成场景中生成条形码样本来增加数据集的多样性和数量。最后，应该对数据集进行预处理，包括图像增强、数据增强等方法，以提高模型的鲁棒性和准确率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值