搜索资源列表
BP
- 利用bp网络算法对数字图片训练后进行识别
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-err
wenzishibie
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-Catalog include: two source documents and source
DigitalRecognitioncode
- 使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。 - Thi
FaceDetection
- 标准人脸识别源代码，经VS2005测试可用，程序采用opencv自带的训练库来进行人脸识别，不需要自己单独再去添加人脸图片训练代码-Standard face recognition source code, the VS2005 test is available, the program comes with training using opencv library for face recognition, do not need to add a face to go alone pi
FilelistGenerator
- 用于CAFFE图片训练集、测试集的生成，可生成文件列表及分类，用于后续处理-Used for CAFFE training set and testing set generated images, can generate the file list and classification, for subsequent processing
人脸识别
- 使用OPENCV库提供的接口，实现人脸的识别功能。 在一个人脸识别系统中，应用多种预处理技术对将要识别的图片进行标准化处理是极其重要的。多数人脸识别算法对光照条件十分敏感，所以假如在暗室训练，在明亮的房间就可能不会被识别出来等等。比如脸部也应当在图片的一个十分固定的位置（比如眼睛位置为相同的像素坐标），固定的大小，旋转角度，头发和装饰，表情（笑，怒等），光照方向（向左或向上等），这就是在进行人脸识别前，使用好的图片预处理过滤器十分重要的原因。你还应该做一些其它事情，比如去除脸部周围的多余像素（
c#图片文字识别
- c#基于Tesseract框架和语言训练库的图片文字识别。全工程文件，对仅含文字的清晰的图片，识别率较高！(C# text recognition based on Tesseract framework and language training library. The whole engineering document has a higher recognition rate for clear pictures containing only words!)
神经网络 训练识别
- 1.先打开一幅图片然后按照顺序灰度化、二值化、灰度拉伸、车牌定位、二值化、倾斜校正、字符分割、训练神经网络、识别字符。 2.测试图像存储在当前目录的img下。 3.测试集、训练集、目标向量均存储在img下的文本文件中。(1. First open a picture and then follow the sequence of grayscale, binary, grayscale stretching, license plate positioning, binarization, ti
re
- 可用于 caffe环境，适于初学者,包括了五个类别，每个类别100张图片 ，有公交 恐龙 鲜花 马 大象。(it can be used in caffe environment. suitable for new learner)
汽车图片
- 训练好相应的神经网络后可以使用这些图片测试(After training the corresponding neural network, you can use these pictures to test)
Tesseract 一键生成字库
- 运行在Windows平台，把做好的字符图片放进去，就可以训练成Tesseract调用的字库了。(Running on the Windows platform)
unet
- 对图片进行纹路切割。基于Keras，实现神经网络的图片训练(Based on Keras, the picture is cut in pattern, and the picture training of the neural network is realized.)
训练Hog以及检测
- 对行人图片提取hog数据量然后对其检测 用svm数据分类(The data of hog data is extracted and then classified by SVM data)
encode-xunlian(1)r
- 从给定的很多张自然图片中截取出大小为8*8的小patches图片共10000张，现在需要用sparse autoencoder的方法训练出一个隐含层网络所学习到的特征。该网络共有3层，输入层是64个节点，隐含层是25个节点，输出层当然也是64个节点了。这里只是上传了训练的部分代码，后续继续(A total of 10000 small patches pictures with size 8*8 are extracted from a lot of natural pictures. Now
picstomat
- 将图片转化为.mat格式的数据，用于训练。(transfer pictures to .mat data.)
SVM做图片处理
- 使用SVM算法对CIFAR-10图片数据集进行分类，包括模型的训练，测试和参数的调优(Using SVM algorithm to classify CIFAR-10 image data sets, including model training, testing and parameter tuning)
跨模态文字检索图片102花卉数据
- 跨模态检索 tensorflow实现，使用googlenet处理图片，char-cnn处理文字，使用triple-loss训练(Tensorflow is implemented by cross-modal retrieval, using Google eNet to process pictures, char-cnn to process text, and triple-loss training)
HOG+SVM进行图片中行人检测
- 行人检测HOG+SVM进行图片中行人检测，提供训练用的pos和neg样本，效果还可以；没有SVM工具箱的，压缩包里已经提供了，安装一下即可(Pedestrian detection HOG + SVM for pedestrian detection in pictures, providing POS and neg samples for training, the effect is good; without SVM toolbox, the compression package ha