Advertisement

基于CNN+RNN+Attention及CTC损失的文本识别代码分享，欢迎自取，训练数据为自制样本...

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

简介：
本项目提供基于CNN、RNN和Attention机制结合CTC损失函数的文本识别代码，并使用自制样本进行训练。欢迎下载使用与参考改进。 CNN+RNN+Attention以及CTC-loss融合的文字识别代码基于TensorFlow实现，已准备好供您使用，请自行添加训练样本。有些人上来就说不能直接运行，他们忘了需要自己添加数据。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于CNN+RNN+Attention及CTC损失的文本识别代码分享，欢迎自取，训练数据为自制样本...
    优质
    本项目提供基于CNN、RNN和Attention机制结合CTC损失函数的文本识别代码，并使用自制样本进行训练。欢迎下载使用与参考改进。 CNN+RNN+Attention以及CTC-loss融合的文字识别代码基于TensorFlow实现，已准备好供您使用，请自行添加训练样本。有些人上来就说不能直接运行，他们忘了需要自己添加数据。
     
  • 基于CNN+GRU+CTC的不定长中文文本识别模型训练与测试
    优质
    本研究提出了一种结合卷积神经网络（CNN）、门控循环单元（GRU）及连接时序分类（CTC）技术的模型，用于处理不定长中文文本的自动识别任务。通过大量数据训练优化模型参数，实现在各种复杂场景下对中文文本的有效识别与理解。 Keras训练CNN+GRU+CTC不定长中文识别模型的工程代码包括了模型文件。
     
  • 基于Python的车牌识别代码及其车牌数据训练样本
    优质
    本项目提供了一套基于Python语言实现的车牌识别系统源代码，并包含用于训练和测试的大量车牌图像数据集。 基于Python的车牌识别代码已经附带了训练好的数据样本，因此可以直接运行而无需额外准备样本数据。如果有研究需求并希望下载参考样本进行学习的话，可以寻找相关资源。
     
  • CRNN_CTC-CenterLoss：结合CTC和Center损失的文本识别方法
    优质
    简介：CRNN_CTC-CenterLoss是一种创新性的文本识别方法，它将CTC解码与Center Loss相结合，显著提高了模型对文本行中字符中心位置的学习精度。 2020年12月27日更新了crnn_ctc-centerloss功能，使用最后一层全连接层的输入来处理对象，缩小类内距离以实现功能与标签的一致性，主要解决了预测重复及漏字时对齐的问题（需要tf1.15版本）。此次更新还增加了关键指标计算和追踪的功能，使训练过程更加直观且便于调试。 经过模型训练后，字符间的中心距离、形近字的中心距离会有所增加。这使得字符之间的距离差异增大，并与预测置信度之间存在一定的相关性。此外，为了方便调试，新增了特征可视化的功能，利用tensorboard的嵌入投影仪来展示embedding图。 生成embedding图的方法为：python -m libs.projector --model=your_model_path --file=your_label_file_path --dir=your_log_dir 启动tensorboard的方式是：tensorboard --logdir=you
     
  • CNN训练用文本分类数据
    优质
    该数据集专为训练和评估基于CNN的文本分类模型设计，包含大量标注样本，涵盖多个类别，适用于自然语言处理研究与开发。 本节资料用于练习CNN文本分类的数据集，包含10个类别。模型采用两层神经网络结构。数据集包括测试集、训练集和验证集，并且代码讲解非常详细，是学习如何使用CNN卷积网络进行文本分类的好资源。
     
  • Darknet文本检测及CNN+CTC OCR文字识别项目
    优质
    本项目聚焦于暗网环境下的文本检测与识别技术研究，采用深度学习方法，结合Darknet框架进行高效准确的文字检测，并运用CNN结合CTC机制优化OCR模型，实现复杂背景中的高质量文字识别。 本项目基于Darknet框架实现CTPN版本的自然场景文字检测与CNN+CTCOCR的文字识别功能。在CPU版本下，当最短边为608时，检测速度小于1秒；支持使用Darknet直接训练CTPN和CNN + CTC OCR（相关文档正在整理中）。
     
  • 手写数字识别的训练样本
    优质
    手写数字识别的训练样本是一组用于机器学习的手写数字图像数据集，旨在通过算法识别和分类不同的数字。 包含0到9的符合中国人手写习惯的数字样本可用于训练分类器，特别适合用于深度学习中的卷积神经网络。由于文件大小限制（上传文件不能超过50M），这里提供了一部分样例数据，读者可以参考这些样式自行制作更多样本。
     
  • Catia各版本资源，欢迎有需者自取
    优质
    这里汇集了多个版本的Catia软件资源，免费提供给需要的用户下载和使用。无论是学习还是工作，都能在这里找到合适的版本。 需要自取各版本的CATIA。
     
  • 车牌识别的SVM训练样本
    优质
    本研究聚焦于利用支持向量机（SVM）进行车牌识别技术中的训练样本优化与应用，旨在提升模型在复杂环境下的识别准确率。 SVM训练样本包括531张分割后的车牌图像和5700张非车牌图像。
     
  • 基于CNN-LSTM-CTC的数值语音识别
    优质
    本研究提出一种结合卷积神经网络（CNN）、长短时记忆网络（LSTM）及连接时序分类（CTC）技术的新型数值语音识别模型，显著提升识别准确率与效率。 该资源利用CNN对语音特征进行提取，并构建了用于孤立词语言识别的声学模型。此过程重复进行了多次以确保模型的有效性与准确性。总的来说，这一方法旨在提升孤立词语言识别系统的性能。