Advertisement

tessdata_best：最优（最精确）的训练过的LSTM模型

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
Tessdata_best是专门用于光学字符识别(OCR)的Tesseract引擎中精度最高的预训练LSTM模型数据包，适用于各种语言和字体。 tessdata_best –最佳（最准确）的训练模型 该存储库包含经过训练的模型。 这些模型仅适用于Tesseract 4的LSTM OCR引擎。 所有存储库中的数据均根据Apache-2.0许可协议授权使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • tessdata_best：最优（最精确）的训练过的LSTM模型
    优质
    Tessdata_best是专门用于光学字符识别(OCR)的Tesseract引擎中精度最高的预训练LSTM模型数据包，适用于各种语言和字体。 tessdata_best –最佳（最准确）的训练模型 该存储库包含经过训练的模型。 这些模型仅适用于Tesseract 4的LSTM OCR引擎。 所有存储库中的数据均根据Apache-2.0许可协议授权使用。
     
  • 我通过训练获得的最佳YOLOV8模型
    优质
    本研究介绍了作者经过精心调参和数据增强后所得到的最优YOLOv8目标检测模型。该模型在多个标准数据集上表现出色，达到了当前最先进的性能水平。 自己训练YOLOV8模型得到的最优模型。
     
  • pkuseg - 预训练模型最全面
    优质
    pkuseg是一款由北京大学计算语言学研究中心开发的语言处理工具，提供汉语分词功能，并拥有市场上最为全面的预训练模型。 art.zip ctb8.zip default v2.zip entertainment.zip mixed.zip msra.zip news.zip pkuseg-python-master.zip postag.zip science.zip tourism.zip web.zip weibo.zip
     
  • 经过训练的SiamRPN模型：SiamRPNVOT
    优质
    SiamRPNVOT是一款基于SiamRPN架构的视觉跟踪模型，专为视频目标追踪设计，并通过大量VOT数据集进行优化和训练。 在跟踪算法SiamRPN中使用训练好的模型SiamRPNVOT。
     
  • 经过SRN训练的模型SRN.pth
    优质
    SRN.pth是通过SRN（Schedule Regression Network）训练得到的一个预训练模型，适用于数学表达式识别任务，具有高精度和快速推理的特点。 SRN训练后的模型名为SRN.pth，该模型来自一个GitHub仓库。
     
  • 通过FPE最小值确定最优阶数P
    优质
    本文探讨了利用FPE准则来寻找自回归模型中最优阶数P的方法，并详细分析了该方法的应用及有效性。 在MATLAB实验中，利用FPE的最小值来确定最佳阶数P。这一方法与L-D算法和AR模型类似。
     
  • 最新的「基于Transformer的预训练模型」综述论文
    优质
    本文为最新综述性论文，全面总结了基于Transformer架构的预训练模型的发展历程、关键技术及应用现状，并展望未来研究方向。 基于Transformer的预训练语言模型（T-PTLMs）在几乎所有的自然语言处理任务中都取得了巨大的成功。这些模型的发展始于GPT和BERT，并且建立在Transformer、自监督学习和迁移学习的基础上。基于转换的PTLMs通过自监督学习从大量文本数据中获取通用的语言表示，然后将这些知识应用到下游任务上。这使得它们为各种下游任务提供良好的先验知识，从而避免了需要对每个具体任务都进行从头开始训练的需求。
     
  • 如何使用 Keras 保存最佳训练模型
    优质
    本文将详细介绍在使用Keras进行深度学习模型训练时，如何有效地保存和加载最佳训练模型的方法与技巧。 本段落主要介绍了如何使用Keras保存最佳训练模型的方法，具有一定的参考价值，希望能为大家提供帮助。
     
  • 预训练最新模型集合的ONNX格式及源码
    优质
    本项目汇集了众多深度学习框架中最新预训练模型的ONNX格式文件及其原始代码，便于研究和开发使用。 ONNX模型动物园是一种开放标准格式，用于表示机器学习模型，并得到了许多合作伙伴的支持。这些合作伙伴已在多个框架和工具中实现了该功能。ONNX模型动物园由社区成员提供的预训练的最新ONNX格式模型组成，每个模型都包括进行训练并根据训练后的模型进行推断所需的资源。这些笔记本是用Python编写的，包含了指向训练数据集的链接以及对描述模型架构的原始论文的引用。 我们已经标准化了存储ONNX模型文件的方式。要下载ONNX模型，请导航到相应的Github页面，并点击右上角的Download按钮以开始下载过程。