共8个项目结果
热搜:
Feijiang
Mofang
Kedaxunfei

中文文本识别 Python Star 2

  • 本模型改编自GitHub开源项目:[https://github.com/ooooverflow/chinese-ocr](https://github.com/ooooverflow/chinese-ocr) 原项目是一款基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别。
  • 浏览量:44 下载量:1 20 days前

    文本识别 Python Star 2

  • 本模型改编自GitHub开源项目:[https://github.com/myhub/tr](https://github.com/myhub/tr) 原项目是一款针对扫描文档的离线文本识别SDK,核心代码全部采用C++开发,并提供Python接口。
  • 浏览量:32 下载量:4 20 days前

    Vlfeat C Star 0

  • **VLFeat**开源库实现了流行的计算机视觉算法,专注于图像理解和局部特征提取和匹配。算法包括Fisher Vector、VLAD、SIFT、MSER、k-means、分层k-means、agglomerative information bottleneck、SLIC超像素、快速移位超像素、大规模SVM训练等。它是用C语言编写的,目的是提高效率和兼容性,用MATLAB编写接口是为了方便使用,并提供了详细的文档。它支持Windows、Mac OS X和Linux。
  • 原始仓库地址:https://github.com/vlfeat/vlfeat.git 浏览量:22 下载量:0 22 days前

    视觉特征编码参考软件 C++ Star 7

  • AITISA视觉特征编码参考实现。AITISA视觉特征描述子,包含了深度特征图、CDVS特征、CFENet单步物体检测器特征和人体骨架特征。
  • 浏览量:1725 下载量:257 about 1 month前

    道路车辆检测 Python Star 3

  • 本模型改编自鹏城汇智iHub开源项目:车辆检测算法(https://code.ihub.org.cn/projects/216)。 目前能够识别以下物体包括:人,小汽车,公共汽车,卡车,摩托车,自行车
  • 浏览量:1968 下载量:977 about 1 month前

    二维码生成和识别 Python Star 4

  • 将文本字符串转换成二维码图片;识别二维码图片还原成原始文字。
  • 浏览量:1633 下载量:539 about 1 month前

    MutScan C Star 0

  • **MutScan**通过直接扫描FastQ文件检测和可视化目标突变,具体特征有: - 特别敏感,保证所有支持突变的读取都被检测到 - 可以比普通pipeline快50倍以上(即BWA + Samtools + GATK/VarScan/Mutect) - 非常容易使用,不需要其他任何东西。没有比对,没有参考基因组,没有变异呼叫,没有…… - 包含癌症相关突变内建的最可操作突变点,如EGFR p。L858R, BRAF p.V600E…… - 多线端支持 - 支持单端和对端数据 - 对于成对的数据,**MutScan**将尝试合并每一对,并进行质量调整和错误纠正 - 能够扫描VCF文件中的突变,该文件可用于可视化所谓的变体 - 可以用来过滤假阳性突变。也就是说,**MutScan**可以处理高重复序列,以避免错误的INDEL调用
  • 原始仓库地址:https://github.com/OpenGene/MutScan.git 浏览量:1949 下载量:581 3 months前

    Blind Quality Assessment for Cartoon Images Matlab Star 0

  • Blind Quality Assessment for Cartoon Images --- -- Abstract: Current blind image quality assessment (BIQA) algorithms are mainly designed for natural images. Unfortunately, cartoon and cartoon-like images are quite different from natural images. Hence, recent BIQA methods are not very robust to cartoon images. In this paper, we propose a specific BIQA algorithm designed for cartoon images, which consists of the following terms. First, a cartoon image is divided into edge areas and nonedge areas via a Tchebichef moment (TM)-based process. Second, a multiorder sharpness statistic term is used to measure the quality of the edges, and a sharpness statistic prior model of high-quality (HQ) cartoon images is built. Third, a local encoding statistic term is adopted to describe the textural complexity in the nonedge areas, and a texture statistic prior model is also established. Experimental results on cartoon image datasets demonstrate that the proposed method can accurately evaluate the visual quality of cartoon images and is more suitable for cartoon scenarios than some traditional BIQA algorithms. --- DEMO codes (matlab) -- DEMO video --
  • 浏览量:1335 下载量:658 4 months前

    ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

    版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie