使用yolo v3 预训练模型，通常用在自己专业训练集训练，采用darknet53作为boneback进行训练。

微信小程序开发项目——图片扫描提取文字(OCR) ##完整的一个图片OCR微信小程序项目，采用了百度OCR的API和百度翻译API，实现了拍照，选图，批量图片识别提取文字，表格识别，图片剪裁，支持分享，翻译，校对，记录识别历史等功能，还使用了微信小程序云函数进行识别后文字的安全鉴定。 ###(扫码下方微信小程序码体验)

使用PyTorch进行深度排序 更新（1-1-2020） 变化 修正错误 重构代码 通过在gpu上添加nms来进行准确检测 最新更新（07-22） 变化 错误修复（感谢@ JieChen91和@ yingsen1进行错误报告）。 使用批处理为每个帧提取特征，这会导致速度提速。 代码改进。 进一步的改进方向 在特定数据集而不是官方数据集上训练检测器。 在pedestrain数据集上重新训练REID模型以获得更好的性能。 将YOLOv3检测器替换为高级检测器。 欢迎对此存储库做出任何贡献！ 介绍 这是MOT跟踪算法深度排序的一种实现。 深度排序与排序基本相同，但深度CNN模型添加了CNN模型以提取受检测器限制的人体部位图像中的特征。 这个CNN模型确实是一个RE-ID模型， 使用的检测器是FasterRCNN，原始源代码是 。 但是，在原始代码中，CNN模型是使用tensorf

我们封装了腾讯云慧眼人脸核身，提供各类认证功能模块，包含证件 OCR 识别、活体检测、人脸1:1对比等。微信/电话：185699405988

解压完直接使用，快捷键 F2 识别文字，F4 快速翻译 天若 ocr 文字识别_v4.48.exe，解压后直接使用，方便快捷，功能强大

一共6w+个文件 3w+个图片+3w+txt 全部资源整理 直接可以用

需要进行PIL和pytesseract的安装、识别引擎tesseract-ocr的安装，之后才能使用Python实现图片中英文信息的识别

根据百度的自动识别身份证、银行卡号和卡片文字的demo

caffe一键式训练评估集成开发环境 最近更新2020.07.08 概述 本项目提供一个集成式开发环境，在配好咖啡环境的情况下，立即将准备好的图片放入数据目录下，便可以一键生成lmdb数据文件，均值文件，标注文件和测试评估模型，发现错误样本，部署模型等所有的操作，更难能可贵的是它是跨平台的，可以无缝的在Windos和Linux之间切换。 使用深度学习完成一个特定的任务说明说字符识别，人脸识别等大致可以分为数据准备，定义模型，训练模型，评估模型和部署模型等几个步骤。 配置caffe 现在配置caffe非常方便，仅需几行命令即可搞定，确保安装了所需的依赖，这里仅摘录最关键的部分，其余的详细内容可参见参考链接。 视窗 ::为了减少日后不必要的麻烦，建议VS2015,Cuda8.0,cudnn5.1及以上,python2.7 git clone https://github.com/BVLC/c

YoloV3-ncnn-Jetson-Nano 带有ncnn框架的YoloV3。 论文： : 专为Jetson Nano设计的产品，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 2021年4月4日：改编为ncnn版本20210322 要运行该应用程序，您必须： 已安装腾讯ncnn框架。 代码：：已安装块。 （ $ sudo apt-get install codeblocks ） 安装应用程