- 博客(1)
- 资源 (6)
- 收藏
- 关注
Auto.js-master.zip
Auto.js github下载较慢,此处下载较快。原地址请参考 https://github.com/hyb1996/Auto.js?files=1
2020-12-28
打造自己的图像识别模型-全套源码.zip
通过slim工具,对VGG16进行微调训练数据,并得出模型,然后对新图片进行识别,整个过程。运行环境:tensorflow 1.9.0, python 3.6。源码不包含图片素材,但是包含生成好的tf格式,inception_v3文件,以及导出后的frozen_graph.pb文件。可在此基础上进行训练,也可直接用于识别图像操作。
2020-07-04
转换tfrecord代码.zip
文件结构如下
---pic 我们准备的图片
------train 训练用
------validation 验证训练结果用
---data_convert.py 将我们准备的图片,转换为tfrecord
---src 资源工具代码
------tfrecord.py tfrecord的转换类
其中,data_convert.py是我们转换的主要代码。
使用方法:
在文件夹下,运行:
python data_convert.py -t pic/ \
--train-shards 2 \
--validation-shards 2 \
--num-threads 2 \
--dataset-name satellite
解释这里参数的含义:
-t pic:表示转换 pic文件夹中的数据。 pic 文件夹中必须有一个train目录和一个validation目录,分别代表训练和验证数据集每个目录下按类别存放了图像数据。
--train-shards:将训练数据集分为两块,即最后的训练数据就是两个tfrecord 格式的文件。
--validation-shards:将验证数据集分为两块。
--num-threads:采用两个线程产生数据。注意线程数必须要能整除train-shards validation-shards ,来保证每个线程处理的数据块数是相同的。
--dataset-name:给生成的数据集起一个名字。这里将数据集起名叫satellite,最后生成文件的开头就是 satellite_train、satellite_validation。
2020-06-18
pro_01.zip
发表在csdn博客文章中的代码,具体请查看配套文章《基于tensorflow框架,自己实现一个最基础手写识别程序》。运行环境为Anaconda3,Python3.6。
2020-06-04
绿色免安装可运行tesseract_支持中文_包含chi_sim.traineddata+eng.traineddata
绿色免安装可运行tesseract_支持中文_包含chi_sim.traineddata+eng.traineddata
可正确识别【
ABCaDEGOmIDKG
150
!@#¥%……&*()——+|
6400
你好
】
2016-08-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人