c896 / ocr.pytorch-masterLinks
火车车厢号识别系统
☆13Updated 4 years ago
Alternatives and similar repositories for ocr.pytorch-master
Users that are interested in ocr.pytorch-master are comparing it to the libraries listed below
Sorting:
- Pytorch深度学习基础 实战天气图片识别(基于ResNet50预训练模型,超详细)☆88Updated 2 years ago
- 使用yolov5训练自己数据集(详细过程)并通过flask部署☆39Updated 4 years ago
- ☆51Updated 3 years ago
- 本项目为基于深度学习的手写汉语拼音识别,采用Pytorch框架,整体采用主流深度学习文字识别算法CRNN+CTC方法,项目流程主要分为数据集采集及标注,算法构建、模型训练、预测与评估等。☆45Updated last year
- 基于YOLOv7-plate和CRNN的车牌号检测识别项目,使用PyQt构建了UI界面。☆49Updated 2 years ago
- 使用深度学习网络(目标检测/特征提取/特征匹配)建立的图像精准检索系统☆36Updated 5 years ago
- pytorch入门项目,包括线性回归、垃圾分类、水果目标检测、ssd☆130Updated 5 years ago
- 基于tensorflow的的cnn卷积神经网络的图像识别分类☆126Updated 7 years ago
- 基于深度学习的口罩佩戴检测,Keras-YOLOv3 实现。☆71Updated 5 years ago
- 交通标志检测与识别☆45Updated 7 years ago
- 人脸口罩检测与识别-新冠疫情防控☆101Updated 5 years ago
- 基于YOLOv8的多端车流检测系统(用于毕设+开源)☆102Updated 2 years ago
- 基于PyTorch&YOLOv4实现的口罩佩戴检测 自建口罩数据集分享☆213Updated 5 years ago
- CNN卷积神经网络 交通标志识别☆127Updated 7 years ago
- RBM+BP神经网络识别手写数字和英文字符☆11Updated 2 years ago
- 使用深度学习的缺陷检测与小目标检测☆24Updated 5 years ago
- 使用HOG+SVM进行图像分类☆168Updated 7 years ago
- 此项目主要是本人在研究生期间在计算机视觉方面的研究所学习的内容和程序,其中有收集前人的代码,也有自己改进的代码。会随时更新,仅供大家参考学习并讨论之用。另外本人是计算机视觉和深度学习方面的在读研究生,有需要一起沟通的话,可以联系微信:sincos246835☆29Updated 4 years ago
- 这是一个使用Python和PyQt5开发的一个计算机视觉辅助裂缝标注工具,标注 工具先用边缘检测和形态学方法预识别裂缝,然后人工对结果进行标涂或擦除。除了此方法,工具还有其他多种方法,详情请见readme.md的介绍☆89Updated 6 years ago
- 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YO…☆15Updated 3 months ago
- 这是一个简单的人工智障识别口罩佩戴的库☆150Updated 5 years ago
- PYQT5 Yolov5 python GUI☆31Updated 3 years ago
- 使用迁移学习将resnet50用于垃圾分类,基于【华为云人工智能大赛·垃圾分类挑战杯】☆127Updated 6 years ago
- 基于深度学习的热轧带钢表面缺陷自动检测技术☆48Updated 3 years ago
- 本项目用深度学习的方法进行工业产品缺陷检测,替代原本人眼的产品质检。从而大幅提升工业产品合格 率和降低人力成本。☆159Updated 5 years ago
- 使用Pyqt5搭建YOLO系列多线程目标检测系统☆66Updated 2 years ago
- 基于 Pytorch 的垃圾识别与分类。本项目源于浙江大学光电学院课程设计。(程序仅供参考,很久没关注这方面内容了,为避免误导,相关问题不作回答)☆65Updated 5 years ago
- 一款基于深度学习,提供数据标注、模型训练、模型部署、基于已有模型自动标注等功能的计算机视觉一体化平台。 操作简单,无需深度学习理论即可实现AI落地。处理分类、目标检测、目标跟踪等计算机视觉任务。 应用场景:交通执法(车辆违停、行人乱穿马路等)、工业检测(缺陷检测、物体分拣等…☆152Updated 5 years ago
- 实验室的一个病虫害检测项目,在SSD基础上进行一系列改进!SSD Improvements!☆33Updated 3 years ago
- 人工智能大作业-无人机图像目标检测☆93Updated 5 years ago