![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
外码斯迪
君子缓行
展开
-
opencv、dlib、paddlehub人脸检测
opencv、dlib、paddlehub三哥检测效果对比。dlib和paddlehub的效果相对好一点。说明:本文只做人脸检测不识别,找识别的不用看本文。## 部署说明# 1. 安装python或conda# 2. 安装依赖,pip install -r requirements.txt# 3. 192.168.1.41 修改为你部署机器的IP# 4. python app_dlib.py启动# 5. 试验,http://192.168.1.41:7049# 6. 接口,http://192原创 2023-06-08 17:27:46 · 1390 阅读 · 0 评论 -
PDF或图片文档内容识别、关系抽取
1.遍历目录获取源文件名;# 2.统一格式,PDF转JPG。自动识别图片方向,把图片转正;# 3.排序并获取整篇结构化内容,写TXT文件输出;# 4.导入 Label Studio 标记;# 5.导出 JSON 格式标记样本;# 6.将 label studio 导出的 JSON 数据文件格式转换成 doccano 导出的数据文件格式;# 7.构造网络训练;# 8.部署模型预测。原创 2023-06-08 10:06:18 · 1761 阅读 · 5 评论 -
数据标记工具
Labelme输出:JSON、VOC、COCO多边形分割、语义分割、2D框、线标注、点标注(可用于目标检测,图像分割等任务) 、视频标注LabelImg输出:PASCAL VOC、YOLO、CreateML支持目标检测任务的数据标注CVAT输出:多格式免费在线交互式视频和图像分割标注工具VOTT输出:微软发布的一款基于JavaScript开发用于图像目标检测的标注工具,使用React+Redux进行开发,支持Windows和Linux平台运行。原创 2023-06-02 17:20:52 · 655 阅读 · 1 评论 -
paddle-CV 图像分割
2022年7月,PaddleSeg重磅升级的PP-HumanSegV2人像分割方案,以96.63%的mIoU精度, 63FPS的手机端推理速度,再次刷新开源人像分割算法SOTA指标。对于肖像分割和通用人像分割,PaddleSeg发布了PP-HumanSeg系列模型,具有分割精度高、推理速度快、通用型强的优点。而且PP-HumanSeg系列模型可以开箱即用,零成本部署到产品中,也支持针对特定场景数据进行微调,实现更佳分割效果。一般而言,该任务可以分为两类:针对半身人像的分割,简称肖像分割;原创 2023-05-10 17:43:06 · 333 阅读 · 0 评论 -
paddle-NLP 信息抽取
事件抽取 (Event Extraction, 简称EE),是指从自然语言文本中抽取预定义的事件触发词(Trigger)和事件论元(Argument),组合为相应的事件结构化信息。关系抽取(Relation Extraction,简称RE),是指从文本中识别实体并抽取实体之间的语义关系,进而获取三元组信息,即。评论观点抽取,是指抽取文本中包含的评价维度、观点词。关系抽取、事件抽取、评论观点抽取、快递单信息抽取、上市公司信息抽取、情感分类、命名实体识别。原创 2023-05-10 17:25:49 · 951 阅读 · 0 评论 -
paddle-NLP 文档分析
发票抽取问答、海报抽取问答、网页抽取问答、表格抽取问答、试卷抽取问答。原创 2023-05-10 17:16:11 · 404 阅读 · 0 评论 -
paddle-基本数据结构
【代码】paddle-基本数据结构。原创 2023-05-10 17:12:43 · 429 阅读 · 0 评论 -
paddle-基本训练测试
【代码】paddle-基本训练测试。原创 2023-05-10 17:11:27 · 127 阅读 · 0 评论 -
paddle-文本合成语音
【代码】paddle-文本合成语音。原创 2023-05-10 17:10:24 · 765 阅读 · 0 评论 -
paddle-语音转文本
【代码】paddle-语音转文本。原创 2023-05-10 17:09:04 · 602 阅读 · 0 评论 -
paddle-PP-OCRv3
【代码】paddle-PP-OCRv3。原创 2023-05-10 17:06:23 · 224 阅读 · 0 评论 -
基于paddle paddle的人脸识别算法,包括训练和识别
在训练过程中,需要定义情绪和颜值评分的损失函数,并在训练过程中使用该损失函数来优化模型。与人脸识别模型集成:将情绪和颜值评分模型与人脸识别模型集成起来,使得可以同时进行人脸识别、情绪和颜值评分。在人脸识别模型预测出人脸后,将人脸区域传入情绪和颜值评分模型中,获得该人脸的情绪和颜值评分。这里假设已经准备好了人脸识别模型、情绪评分模型、颜值评分模型以及相应的数据集。数据集准备:为了进行情绪和颜值评分识别,我们需要准备带有情绪和颜值标签的数据集。可以在网上寻找公开数据集或者自己构建数据集。原创 2023-02-16 15:58:48 · 1358 阅读 · 0 评论 -
GPT应用
ChatGPT是一种基于自然语言处理(Natural Language Processing,简称NLP)的人工智能模型,它采用了基于深度学习的Transformer模型,并利用了大量的语言数据进行训练。这里的微调指的是在少量有标注的对话数据上进行fine-tuning,以使chatGPT在特定的对话场景下表现更佳。GPT-3的使用也是按照使用量计费的,用户需要支付每月使用量的费用。总之,ChatGPT作为目前最先进的自然语言处理模型之一,具有广泛的应用前景,并且在未来的发展中将会得到更广泛的应用。原创 2023-02-13 18:05:17 · 353 阅读 · 0 评论 -
百度离线人脸识别SDK
(1)8.1版本的SDK在spring-boot接口访问第一次正常,第二次之后JVM会奔溃,可能是java gc 处理C++开出的内存有问题。(2)6.1.3版本SDK无法加载BaiduFaceApi.dll。java+Windows百度离线人脸识别SDK6.1.3-Java文档类资源-CSDN下载。javaOpenCV320依赖的动态链接库更多下载资源、学习资料请访问CSDN下载频道.javaOpenCV320依赖的动态链接库-Java文档类资源-CSDN下载。(5)摄像头切图识别。原创 2022-12-27 08:13:45 · 2041 阅读 · 0 评论 -
基于百度AI的安全帽和工作服识别(极简)
在application.yml文件中添加百度AI相关的配置,这些服务都可以免费用,企业用户可以有10QPS,在。控制台创建应用即可获得。代码中还有车辆、人脸、敏感词、敏感图片等等的识别,可以忽略。暂时分离网络摄像头相关的部分,用静态图代替。摄像头部分可参考我的前两篇。基于java 若依框架的项目要加个安全帽和工作服识别的demo。6. VUE显示识别效果,完整代码太啰嗦我贴一部分。1. 百度AI相关的配置。5. java定时任务。2. java依赖库。3. java工具类。原创 2022-09-08 17:32:52 · 798 阅读 · 3 评论 -
农作物果树相关人工智能应用案例
找数据的网站:https://aistudio.baidu.com/aistudio/datasetoverviewhttps://www.hackster.io/projectshttps://www.kaggle.com/datasetshttps://www.datatang.com/https://github.com/https://tensorflow.google.cn/resources/models-datasetshttps://pytorch.org/hub/......原创 2022-07-08 08:19:15 · 498 阅读 · 0 评论 -
PaddlePaddle笔记6-换脸(懂得都懂)
睿洛医疗参考:利用paddlehub实现视频换脸 - 飞桨AI Studio - 人工智能学习与实训社区换脸,苍*空变赵*颖,单身福利(懂得都懂),赶紧上车。开个玩笑哦,纯粹为技术学习和交流。1,准备一张人脸图片与一个视频,使用opencv与moviepy将视频分割成图片;2,使用PaddleHub的face_landmark_localization模型获取人脸图片im1和视频图片im2的68个人脸特征点;3,根据上一步获得的特征点得到两张图片的人脸掩模im1_mask和im2_mas原创 2021-12-21 10:41:42 · 3151 阅读 · 2 评论 -
PaddlePaddle笔记5-心电图智能诊断
睿洛医疗参考资料:AIWIN - 比赛AIWIN 心电图智能诊断竞赛:TextCNN 精度0.67 - 飞桨AI Studio - 人工智能学习与实训社区心电图是临床最基础的一个检查项目,因为安全、便捷成为心脏病诊断的利器。每天都有大量的心电图诊断需求,但是全国范围内诊断心电图的专业医生数量不足,导致很多医院都面临专业心电图医生短缺的情况。人工智能技术的出现,为改善医生人力资源不足的问题带来了全新的可能。由于心电图数据与诊断的标准化程度较高,相对较易于运用人工智能技术进行智能........原创 2021-12-20 11:35:28 · 1823 阅读 · 1 评论 -
PaddlePaddle笔记4-看图写诗
睿洛医疗paddle 看图写诗。结论备注:1,可以写几句打油诗,比较傻;2,图像分类不准确,待优化;3,近义词查找不准确,待优化。1,准备环境pip install --upgrade paddlehubpip install translatehub install xception71_imagenet # 图像分类hub install ernie_gen_couplet # 文本生成(对联),获取近似词hub install ernie_gen_poetry原创 2021-12-13 18:09:59 · 2806 阅读 · 0 评论 -
PaddlePaddle笔记3-小模型OCR
睿洛医疗参考官方示例目标:OCR非结构化图像文字识别支持:中文、英文流程: 输入图像 》》 图像预处理 》》 文字监测 》》 文字识别 》》 输出结构文本补充安装模块: pip install paddlehubTODO: 1,大模型识别不到; 2,小模型置信度调到 0.2,大段文本也存在很大程度的丢失。引入包:import paddlehub as hubimport cv2预测:def ocr_action(mode.原创 2021-12-07 11:21:02 · 3055 阅读 · 1 评论 -
PaddlePaddle笔记1-搭建环境
1,安装anaconda参考:Windows10下安装Anaconda3(64位)详细过程_CoderYYN-CSDN博客_windows安装anacondaWindows10下安装Anaconda3(64位)详细过程Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。里面所包含的Jupyter Notebook是数据挖掘领域中最热门的工具。(例如Kaggle网站) 废话不多说,现在我们开始来安装Anaconda3。环境: Windows1原创 2021-12-01 15:15:37 · 1052 阅读 · 0 评论 -
PaddlePaddle笔记2-手写数字识别
# 模型保存及加载# 手写数字识别import paddleimport paddle.nn.functional as Ffrom paddle.nn import Layerfrom paddle.vision.datasets import MNISTfrom paddle.metric import Accuracyfrom paddle.nn import Conv2D,MaxPool2D,Linearfrom paddle.static import InputSpecfr.原创 2021-12-01 15:21:46 · 869 阅读 · 2 评论 -
ECG信号滤波及计算心率
import mathimport numpy as npimport pywtimport argparseimport matplotlib.pyplot as pltfrom scipy import signal as sig## jerry 20211129## 对ECG采集器采到的数据滤波,定位QRS波,计算心率## 命令示例:python ./ecg_basics.py -e "D:/code/python/ECG/ld_data/test/163.d...原创 2021-11-29 10:04:14 · 5502 阅读 · 1 评论 -
js dicom viewer(0)
0,基础环境 win10 x64 vs code v1.56.2 node v14.16.1 npm v6.14.8 express.js 4.16.1 vtk.js 11.1.3 itk.js 14.1.0 jszip.js 3.6.0 axios 0.21.1 vue 2.6.10原创 2021-05-29 11:25:22 · 425 阅读 · 4 评论 -
win10 x64搭建tensorflow-gpu开发环境
我的显卡是两块丽台 RTX 4000,准备软件资源如下:pycharm-professional-2020.2.2Anaconda3-5.3.1-Windows-x86_64CUDA 10.1.243cudnn 10.1tensorflow-gpu 2.3.0步骤:1,安装Anaconda,建库,配Windows环境变量;2,安装Pycharm 安装社区版或企业版,删除探测文件可无限使用文件地址:C:\Users\jerry\AppData\Roaming\JetBrains.原创 2020-11-21 17:30:35 · 471 阅读 · 3 评论